利用遮挡航拍图像的地面车辆风险感知路径规划

我们考虑这样一种场景：地面车辆利用空中车辆采集的数据进行路径规划。在航拍图像中，场景的可通行区域可能因障碍物而被遮挡。直接使用航拍图像进行路径规划可能导致路径更长，因为保守的规划器可能试图避开被遮挡的区域。我们提出了一种模块化的、基于深度学习的框架，使机器人能够预测遮挡区域中存在可通行区域的可能性。具体而言，我们使用图像修复方法填补可能被遮挡的部分区域，随后对其进行语义分割以确定可通行性。两个模块均使用有监督神经网络。然而，这些预测可能不正确。因此，我们提取这些预测中的不确定性，并采用一种考虑这些不确定性的风险感知方法进行路径规划。我们通过照片级真实感仿真，将本文方法中的模块与非基于学习的方法进行比较，以展示所提出框架的有效性。该模块化流水线有助于进一步改进路径规划并部署于不同环境。