从探地雷达学习地表地形分类
机器人学
2024-04-16 v1
摘要
地形分类是移动机器人在极端环境中运行的一个重要问题，因为它可以辅助自主导航和规划等下游任务。虽然RGB相机广泛用于地形识别，但基于视觉的方法可能因光照条件差和遮挡而受到影响。在本文中，我们提出了将探地雷达（GPR）用于移动机器人平台地形表征的新颖应用。我们的方法利用机器学习从GPR数据进行地表地形分类。我们收集了一个包含四种不同地形类型的新数据集，并给出了定性和定量结果。我们的结果表明，分类网络可以从GPR信号中学习地形类别。此外，我们将基于GPR的分类方法集成到一个多模态语义地图框架中，以展示GPR在移动机器人上进行地表地形分类的实际用例。总体而言，这项工作扩展了部署在机器人上的GPR传感器的可用性，除了GPR现有的科学用例之外，还实现了地形分类。
引用
@article{arxiv.2404.09094,
title = {Learning Surface Terrain Classifications from Ground Penetrating Radar},
author = {Anja Sheppard and Jason Brown and Nilton Renno and Katherine A. Skinner},
journal= {arXiv preprint arXiv:2404.09094},
year = {2024}
}
备注
Accepted to the 2024 Conference on Computer Vision and Pattern Recognition (CVPR) Perception Beyond the Visible Spectrum Workshop