基于粒子的方法的动态环境中的实例感知语义占用映射
机器人学
2025-01-06 v2
摘要
使用实例感知的语义和几何信息表示 3D 环境对于动态环境中的交互感知机器人至关重要。然而，由于传感器噪声、实例分割和跟踪错误以及对象的动态运动，创建此类表示面临挑战。本文引入了一种新颖的基于粒子的方法的实例感知语义占用地图，以解决这些挑战。使用增强的实例状态的粒子用于估算对象的概率假设密度(PHD)，并隐式地建模环境。利用状态增强的顺序蒙特卡罗 PHD (SMC-PHD) 滤波器，这些粒子被更新，以联合估算占用状态、语义和实例 ID，从而减轻噪声的影响。此外，采用记忆模块以增强地图对以前观察到的对象的响应性。在 Virtual KITTI 2 数据集上的实验结果表明，所提出的方法在不同噪声条件下多项指标上均优于最先进的方法。后续使用真实数据进行的测试进一步验证了所提出方法的有效性。
引用
@article{arxiv.2409.11975,
title = {Particle-based Instance-aware Semantic Occupancy Mapping in Dynamic Environments},
author = {Gang Chen and Zhaoying Wang and Wei Dong and Javier Alonso-Mora},
journal= {arXiv preprint arXiv:2409.11975},
year = {2025}
}