面向城市地形且具有不确定性估计的实时神经稠密高程建图
机器人学
2024-03-13 v2
摘要
良好掌握地形信息对于提升复杂地形上各类下游任务的性能至关重要，尤其对于足式机器人的运动与导航。我们提出了一种具有不确定性估计的神经城市地形重建新框架。它从稀疏LiDAR观测中在线生成以机器人为中心的稠密高程图。我们设计了一种新颖的预处理与点特征表示方法，确保在集成多帧点云时具有高鲁棒性与计算效率。随后一个Bayesian-GAN模型恢复详细地形结构，同时提供逐像素重建不确定性。我们通过大量仿真与真实世界实验评估所提流程。结果表明其在移动平台上以高质量和实时性能实现高效地形重建，进而惠及足式机器人的下游任务。（详见 https://kin-zhang.github.io/ndem/）
引用
@article{arxiv.2208.03467,
title = {Real-time Neural Dense Elevation Mapping for Urban Terrain with Uncertainty Estimations},
author = {Bowen Yang and Qingwen Zhang and Ruoyu Geng and Lujia Wang and Ming Liu},
journal= {arXiv preprint arXiv:2208.03467},
year = {2024}
}
备注
8 pages, 7 figures, accepted by IEEE Robotics and Automation Letters