TerrainNet：面向高速越野导航的复杂地形视觉建模
机器人学
2023-05-31 v3
摘要
基于摄像头的视觉系统的有效使用对自主越野驾驶尤其是高速状态下的鲁棒性能至关重要。尽管在结构化道路环境中取得成功，当前端到端的场景预测方法尚未能成功适配复杂户外地形。为此，我们提出 TerrainNet，一种基于视觉的地形感知系统，用于激进越野导航的语义与几何地形预测。该方法依赖若干实现可靠地形建模的关键洞见与实用考量。网络包含多头输出表示以捕获估计可通行性所需的细粒度与粗粒度地形特征。精确深度估计通过多视角 RGB 与立体输入的自监督深度补全实现。实时性能与快速推理速度需求由高效的学习图像特征投影满足。此外，模型在跨多种多样户外环境采集的大规模真实世界越野数据集上训练。我们展示 TerrainNet 亦可用于代价地图预测，并提供集成至规划模块的详细框架。我们通过与当前 SOTA 的仅相机场景预测基线广泛比较展示 TerrainNet 性能。最后，我们在具挑战性的越野场景中开展真实车辆测试，展示将 TerrainNet 集成于完整自动驾驶栈的有效性。
引用
@article{arxiv.2303.15771,
title = {TerrainNet: Visual Modeling of Complex Terrain for High-speed, Off-road Navigation},
author = {Xiangyun Meng and Nathan Hatch and Alexander Lambert and Anqi Li and Nolan Wagener and Matthew Schmittle and JoonHo Lee and Wentao Yuan and Zoey Chen and Samuel Deng and Greg Okopal and Dieter Fox and Byron Boots and Amirreza Shaban},
journal= {arXiv preprint arXiv:2303.15771},
year = {2023}
}