占据栅格地图中高层级、人类可理解导航特征的识别与跟踪
机器人学
2019-03-12 v1
摘要
本文描述了一种系统，其中机器人在室内环境中导航时检测并跟踪人类可理解的导航线索。该系统旨在作为移动机器人系统的传感前端，使其能够与人类用户交流其导航情境。我们根据模拟的激光雷达扫描数据构建一组二维占据栅格位图，然后用手工标注这些位图上的具有人类尺度意义的导航特征，如关闭的门、开放的走廊和交叉口。我们训练了一个卷积神经网络（CNN）以在输入位图上识别这些特征。在我们的演示系统中，这些特征在每一个时间步被检测出来，然后传递给一个跟踪模块，该模块进行帧到帧的数据关联以提高检测精度并识别稳定的唯一特征。我们在仿真和真实世界中对该系统进行了评估。我们比较了直接使用激光雷达数据获得的输入占据栅格、通过SLAM增量构建的占据栅格以及二者组合的性能。
引用
@article{arxiv.1903.03669,
title = {Recognizing and Tracking High-Level, Human-Meaningful Navigation Features of Occupancy Grid Maps},
author = {Payam Nikdel and Richard Vaughan},
journal= {arXiv preprint arXiv:1903.03669},
year = {2019}
}
备注
Video: https://youtu.be/zNnsH9tNUNU