基于平面图地图中语义线索的长期定位
机器人学
2022-10-05 v1
摘要
在给定地图中的终身定位是自主服务机器人的一项基本能力。在本文中，我们考虑在变化的室内环境中，给定稀疏CAD平面图进行长期定位的任务。机器人传感器常用的预建地图可能增加部署的成本与时间。此外，其详尽的特性要求在发生显著变化时进行更新。我们解决了因CAD地图的稀疏性和环境变化导致地图与观测之间对应性较低时的定位困难。为克服这两大挑战，我们提出利用人类导向空间中普遍存在的语义线索。这些语义线索可利用RGB相机通过目标检测来识别，并与易于更新的抽象语义地图进行匹配。该语义信息通过基于粒子滤波器、运行于2D LiDAR扫描与相机数据上的蒙特卡洛定位框架进行融合。我们提供了一种长期定位方案及一种语义地图格式，适用于内部结构和详细几何地图不可用的环境。我们在办公室环境中相隔数周获取的多个挑战性室内场景上评估了我们的定位框架。实验表明，我们的方法对结构变化具有鲁棒性，且可在车载计算机上运行。我们发布了用C++编写并带有ROS封装的开放源代码实现。
引用
@article{arxiv.2210.01456,
title = {Long-Term Localization using Semantic Cues in Floor Plan Maps},
author = {Nicky Zimmerman and Tiziano Guadagnino and Xieyuanli Chen and Jens Behley and Cyrill Stachniss},
journal= {arXiv preprint arXiv:2210.01456},
year = {2022}
}
备注
Under review for RA-L