神经海拔模型：用于地形制图与路径规划
机器人学
2024-05-27 v1
摘要
本工作引入神经海拔模型 (NEMos)，将神经辐射场 (NeRF) 适用于 2.5D 连续可微地形模型。与数字海拔模型等传统地形表示不同，NEMos 可从图像数据轻松生成，提供通过隐式连续可微高度场表示的轻量级地形模型。我们提出了一种新方法，联合训练高度场和辐射场 within a NeRF 框架，利用分位数回归。此外，我们引入一条路径规划算法，通过梯度优化连续代价函数来最小化距离、坡度变化和控制 effort，得益于高度场的可微性。我们在仿真和真实世界地形图像上进行实验，表明 NEMos 能够生成高质量的重建，并产生比离散路径规划方法更平滑的路径。未来工作将探讨将特征和语义纳入高度场中，创建通用地形模型。
引用
@article{arxiv.2405.15227,
title = {Neural Elevation Models for Terrain Mapping and Path Planning},
author = {Adam Dai and Shubh Gupta and Grace Gao},
journal= {arXiv preprint arXiv:2405.15227},
year = {2024}
}