S$^2$MAT：动态城市场景中同步且自增强的建图与跟踪及无界城市环境下同步建图与跟踪框架
机器人学
2023-11-21 v2
摘要
尽管机器人在日常生活中的普及度日益提高，其导航能力仍局限于具备先验知识（如全局地图）的环境。为充分释放机器人潜力，关键在于使其能在大规模未知且不断变化的非结构化场景中导航。这要求机器人在探索时实时构建精确的静态地图，同时滤除运动物体以保证建图精度，并尽可能实现高质量的行人跟踪与避障。现有方法虽可分别实现空间建图或动态物体检测与跟踪的目标，但将这两项实际耦合且互惠的任务有效融合的研究仍很有限。本工作中，我们提出一种称为 SMAT（Simultaneous and Self-Reinforced Mapping and Tracking，同步且自增强的建图与跟踪）的方案，将前端动态物体检测与跟踪模块与后端静态建图模块相集成。SMAT 利用两模块间紧密且互惠的相互作用，高效解决高度动态场景中同步跟踪与建图这一开放问题。我们利用广泛使用的数据集与仿真进行了大量实验，给出定性与定量结果，证明 SMAT 在动态物体检测、跟踪及高质量静态结构建图方面的顶尖性能。此外，我们在跨越 7 公里以上的真实城市场景中进行长距离机器人导航，其中包含行人与其他交通参与者等挑战性障碍。成功导航全面检验了 SMAT 的鲁棒性、可扩展性、效率、质量及其在无预建地图野外场景中助力自主机器人的能力。
引用
@article{arxiv.2304.14356,
title = {S$^2$MAT: Simultaneous and Self-Reinforced Mapping and Tracking in Dynamic Urban Scenariosorcing Framework for Simultaneous Mapping and Tracking in Unbounded Urban Environments},
author = {Tingxiang Fan and Bowen Shen and Yinqiang Zhang and Chuye Zhang and Lei Yang and Hua Chen and Wei Zhang and Jia Pan},
journal= {arXiv preprint arXiv:2304.14356},
year = {2023}
}
备注
homepage: https://sites.google.com/view/smat-nav