基于三维点云的空间居住舱无监督变化检测

本工作提出了一种基于点云的场景变化检测算法，以支持未来空间居住舱中的自主机器人照管。自主机器人系统将有助于维护未来的深空居住舱，例如将长期无人值守的 Gateway 空间站。国际空间站（ISS）上使用的现有场景分析软件依赖于手动标注的图像来检测变化。相比之下，本工作提出的算法使用原始的、无标注的点云作为输入。该算法首先对两个输入点云应用改进的期望最大化高斯混合模型（GMM）聚类。然后，利用 Earth Mover's Distance 比较 GMM 以执行变化检测。该算法使用由 NASA Ames Granite 实验室的 Astrobee 机器人收集的测试数据集进行了定量和定性验证，该数据集包含由 Astrobee 直接拍摄的单帧深度图像以及利用 Astrobee 的 RGB-D 和位姿数据构建的全场景重建地图。此外，还深入分析了该方法的运行时间。源代码已公开发布以促进进一步开发。