POCD：半静态场景中的概率化物体级变化检测与体素建图
机器人学
2022-07-18 v2
摘要
保持地图更新以反映场景中的近期变化非常重要，尤其是在机器人在环境中长时间重复穿行的情形下。未被检测到的变化可能导致地图质量下降，从而引起定位不佳、操作低效乃至机器人丢失。体素方法，如截断符号距离函数（TSDF），因其能实时生成稠密且精细的地图而迅速受到关注，但在随时间变化的场景中地图更新仍具挑战。我们提出一个框架，引入一种新颖的概率化物体状态表示，以跟踪半静态场景中物体位姿的变化。该表示联合建模每个物体的静止性分数与 TSDF 变化度量。我们推导了一种融合几何与语义信息的贝叶斯更新规则，以实现一致的在线地图维护。为与我们方法同最先进技术进行广泛评估，我们发布了一个仓库环境中的新型真实世界数据集。我们也在公开的 ToyCar 数据集上进行了评估。我们的方法在半静态环境的重建质量上优于最先进的方法。
引用
@article{arxiv.2205.01202,
title = {POCD: Probabilistic Object-Level Change Detection and Volumetric Mapping in Semi-Static Scenes},
author = {Jingxing Qian and Veronica Chatrath and Jun Yang and James Servos and Angela P. Schoellig and Steven L. Waslander},
journal= {arXiv preprint arXiv:2205.01202},
year = {2022}
}
备注
Published in Robotics: Science and Systems (RSS) 2022