用于机器人探索的语义八叉树建图与香农互信息计算
机器人学
2023-02-28 v3
摘要
在非结构化和未知环境中进行自主机器人操作，需要利用流式距离和视觉观测的高效建图与探索技术。基于信息的探索技术，如 Cauchy-Schwarz 二次互信息 (CSQMI) 和快速香农互信息 (FSMI)，已成功实现了基于距离测量的主动二值占用建图。然而，当我们设想机器人执行以语义上有意义的概念指定的复杂任务时，有必要在测量、地图表示和探索目标中捕获语义。这项工作提出了用于机器人探索的语义八叉树建图和香农互信息 (SSMI) 计算。我们开发了一种基于八叉树数据结构的贝叶斯多类建图算法，其中每个体素维护一个关于语义类别的分类分布。我们利用传感器射线的语义游程编码，推导了多类八叉树地图与一组距离-类别测量之间香农互信息的一个闭合形式、可高效计算的下界。该下界允许快速评估许多潜在的机器人轨迹，用于自主探索和建图。我们将我们的方法与最先进的探索技术进行了比较，并在各种模拟和真实世界实验中应用了它。
引用
@article{arxiv.2112.04063,
title = {Semantic OcTree Mapping and Shannon Mutual Information Computation for Robot Exploration},
author = {Arash Asgharivaskasi and Nikolay Atanasov},
journal= {arXiv preprint arXiv:2112.04063},
year = {2023}
}
备注
arXiv admin note: text overlap with arXiv:2101.01831