基于文本线索的恶劣环境鲁棒闭环检测
机器人学
2024-10-22 v1 系统与控制
系统与控制
摘要
闭环检测是机器人导航中的重要任务。然而，现有方法大多依赖环境的隐式或启发式特征，在诸如走廊、隧道和仓库等常见环境中仍可能失败。事实上，在这些特征稀少、退化且重复(FDR)的环境中导航，即使是人类也面临巨大挑战，但明确的人类可读文本线索往往提供最佳帮助。这启发我们提出一种基于明确人类可读文本线索的多模态闭环检测方法，用于FDR环境。具体而言，我们的方法首先基于光学字符识别(OCR)提取场景文本实体，然后基于精确的激光里程计创建文本线索的局部地图，最后通过图论方法识别闭环检测事件。实验结果表明，该方法在仅依赖视觉和激光传感器的现有方法之上表现出优越性能。为便于社区使用，我们在\url{https://github.com/TongxingJin/TXTLCD}发布了源代码和数据集。
引用
@article{arxiv.2410.15869,
title = {Robust Loop Closure by Textual Cues in Challenging Environments},
author = {Tongxing Jin and Thien-Minh Nguyen and Xinhang Xu and Yizhuo Yang and Shenghai Yuan and Jianping Li and Lihua Xie},
journal= {arXiv preprint arXiv:2410.15869},
year = {2024}
}