随机三角网格建图：一种面向自主移动机器人的地形建图技术
机器人学
2020-03-03 v2 机器学习
机器学习
摘要
为使移动机器人在通用环境中自主运行，需要以稠密度量地图形式的感知能力。为此，我们提出随机三角网格（STM）建图技术：一种使用连续三角面元网格对环境表面进行 2.5 维表示的方案，其中每个面元对底层表面的平均平面与粗糙度进行建模。与现有建图技术相比，STM 地图通过确保连续模型来建模环境结构，同时能够以与测量数量成线性计算代价的方式增量更新。我们通过使用基于地标的相对子图来减小机器人位姿（位置与朝向）中不确定性的影响。测量与机器人位姿中的不确定性通过在地图更新过程中使用贝叶斯推断技术加以考虑。我们证明了 STM 地图可与生成点测量的传感器（如光探测与测距（LiDAR）传感器和立体相机）配合使用。我们表明 STM 地图是比唯一可比较的在线表面建图技术——标准高程地图——更精确的模型，并且我们还提供了在实际数据集上的定性结果。
引用
@article{arxiv.1910.03644,
title = {Stochastic triangular mesh mapping: A terrain mapping technique for autonomous mobile robots},
author = {Clint D. Lombard and Corné E. van Daalen},
journal= {arXiv preprint arXiv:1910.03644},
year = {2020}
}