S-Graphs+：利用分层表征的实时定位与建图
机器人学
2023-05-29 v3 人工智能
摘要
在本文中，我们提出了情境图(Situational Graphs)的演进版本，其在单一可优化因子图中联合建模：(1) 位姿图，作为一组包含关联测量与机器人位姿的机器人关键帧；以及 (2) 3D 场景图，作为环境的高层表征，以语义属性及其相互关系编码不同几何元素。具体而言，我们的 S-Graphs+ 是一种新颖的四层因子图，包括：(1) 带有机器人位姿估计的关键帧层，(2) 表示墙面表面的墙层，(3) 包含墙平面集合的房间层，以及 (4) 聚集给定楼层内房间的楼层层。上述图被实时优化，以获得鲁棒且准确的机器人位姿及其地图估计，同时构建并利用环境的高层信息。为提取该高层信息，我们提出了利用已建图墙平面与自由空间聚类的新型房间与楼层分割算法。我们在多个数据集上测试了 S-Graphs+，包括来自不同建筑工地的室内环境模拟与真实数据，以及一个包含若干室内办公区域的真实公开数据集。在我们的数据集上平均而言，S-Graphs+ 以 10.67% 的优势超越次优方法的精度，同时通过更丰富的场景模型扩展了机器人情境感知。此外，我们将该软件以 docker 文件形式公开。
引用
@article{arxiv.2212.11770,
title = {S-Graphs+: Real-time Localization and Mapping leveraging Hierarchical Representations},
author = {Hriday Bavle and Jose Luis Sanchez-Lopez and Muhammad Shaheer and Javier Civera and Holger Voos},
journal= {arXiv preprint arXiv:2212.11770},
year = {2023}
}
备注
8 Pages, 7 Figures, 10 Tables