基于占据栅格地图的杂乱室内环境鲁棒结构识别与房间分割
机器人学
2022-03-08 v1
摘要
识别环境的结构,即检测房间和墙壁等核心组件,可促进室内自主移动机器人成功运行的若干基础任务,包括语义环境理解。这些机器人通常依赖 2D 占据地图来完成定位、运动与任务规划等核心任务。然而,由于杂物(如家具和可移动物体)、遮挡以及部分覆盖,从 2D 占据地图中可靠地识别结构与进行房间分割仍是一个开放问题。我们提出一种用于 2D 占据地图(可能杂乱且不完整)的鲁棒结构识别与房间分割(ROSE^2)方法。ROSE^2 识别墙壁的主方向,并对杂物与部分观测具有鲁棒性,从而能够提取出环境的一种干净的、抽象的类几何平面图的描述,并用于将原始占据栅格地图中的房间分割出来(即识别房间)。ROSE^2 在多个不同条件下获取的公开真实杂乱地图中进行了测试。结果表明,它能在受杂物与部分观测影响的 2D 占据地图中鲁棒地识别环境结构,同时显著提升房间分割精度。得益于杂物去除与鲁棒房间分割的结合,ROSE^2 相较于作为对比的现有最优方法始终取得更高性能。
引用
@article{arxiv.2203.03519,
title = {Robust Structure Identification and Room Segmentation of Cluttered Indoor Environments from Occupancy Grid Maps},
author = {Matteo Luperto and Tomasz Piotr Kucner and Andrea Tassi and Martin Magnusson and Francesco Amigoni},
journal= {arXiv preprint arXiv:2203.03519},
year = {2022}
}
备注
Preprint submitted to IEEE RAL + IROS 2022