STAIR：语义靶向主动隐式重建
机器人学
2024-03-19 v1 计算机视觉与模式识别
摘要
许多自主机器人应用在部署时需要对象级别的理解。因此，主动重建感兴趣的对象，即具有特定语义含义的对象，对于机器人在最初未知的环境中执行下游任务是相关的。在这项工作中，我们提出了一个用于语义靶向主动重建的新颖框架，以带位姿的 RGB-D 测量值和 2D 语义标签作为输入。我们框架的关键组件是语义隐式神经表示，以及一个基于语义渲染和不确定性估计的兼容规划效用函数，从而实现对感兴趣对象的自适应视角规划。与不考虑语义进行视角规划的隐式重建基线相比，我们的规划方法在网格和新视角渲染质量方面取得了更好的重建性能。我们的框架进一步优于基于显式地图的最先进语义靶向主动重建流程，证明了我们选择利用隐式神经表示来解决语义靶向主动重建问题的合理性。
引用
@article{arxiv.2403.11233,
title = {STAIR: Semantic-Targeted Active Implicit Reconstruction},
author = {Liren Jin and Haofei Kuang and Yue Pan and Cyrill Stachniss and Marija Popović},
journal= {arXiv preprint arXiv:2403.11233},
year = {2024}
}