自主机器人上用于障碍物与跌落边缘检测的实时可通行空间分割
计算机视觉与模式识别
2019-02-05 v1 机器人学
摘要
在室内外环境中导航的移动机器人必须能够识别并避开不安全地形。尽管在直立障碍物（实体阻挡物）检测方面已有大量工作，但在负障碍物（如下落边缘、壁架、下行楼梯）检测方面的工作甚少。我们提出一种使用深度卷积网络的地形安全性分割方法。我们的自定义语义分割架构以单个相机为输入，并生成区分安全地形与障碍物的可通行空间图。随后我们展示了该可通行空间图如何用于室内机器人的实时导航。结果表明，我们的系统泛化性好，适合实时运行，并在由低功耗嵌入式 GPU 驱动的小型室内机器人上以约 55 fps 的帧率运行。
引用
@article{arxiv.1902.00842,
title = {Real-Time Freespace Segmentation on Autonomous Robots for Detection of Obstacles and Drop-Offs},
author = {Anish Singhani},
journal= {arXiv preprint arXiv:1902.00842},
year = {2019}
}