面向自主视觉导航的多段线生成式可导航空间分割
计算机视觉与模式识别
2023-03-07 v2 机器人学
摘要
检测可导航空间是移动机器人在未知或未建图环境中导航的一项基本能力。在这项工作中，我们将视觉可导航空间分割视为一个场景分解问题，并提出多段线分割变分自编码器网络（PSV-Net），一种基于表示学习的框架，以自监督方式学习可导航空间分割。当前的分割技术严重依赖全监督学习策略，需要大量像素级标注图像。在这项工作中，我们提出一个利用变分自编码器（VAE）和自编码器（AE）的框架，以学习一种紧凑勾勒所需可导航空间边界的多段线表示。通过大量实验，我们验证了所提出的 PSV-Net 可以用无标签或极少标签学习视觉可导航空间，达到与使用所有可用标签的全监督最先进方法相当的精度。此外，我们表明将所提出的可导航空间分割模型与视觉规划器集成，可以在真实环境中实现高效的无地图导航。
引用
@article{arxiv.2111.00063,
title = {Polyline Generative Navigable Space Segmentation for Autonomous Visual Navigation},
author = {Zheng Chen and Zhengming Ding and David Crandall and Lantao Liu},
journal= {arXiv preprint arXiv:2111.00063},
year = {2023}
}