下一步探索何处？用于历史感知自主3D探索的ExHistCNN
计算机视觉与模式识别
2020-12-01 v1 机器人学
摘要
本工作中，我们解决了使用深度相机对未知室内环境进行自主3D探索的问题。我们将该问题表述为估计能最大化未知区域覆盖度的最优下一视角（Next Best View, NBV）。为此，我们将NBV估计重新表述为一个分类问题，并提出了一种新颖的基于学习的度量，其同时编码了当前的3D观测（深度帧）与进行中重建的历史。本工作的主要贡献之一是引入了一种新的3D重建历史表示，作为辅助效用图，其与当前深度观测高效耦合。利用这两部分信息，我们训练了一个轻量级CNN，名为ExHistCNN，其将NBV估计为一组方向，深度传感器朝向这些方向可发现最多未探索区域。我们在合成与真实房间扫描上进行了广泛评估，表明所提出的ExHistCNN能够接近使用完整3D环境知识的预言机的探索性能。
引用
@article{arxiv.2011.14669,
title = {Where to Explore Next? ExHistCNN for History-aware Autonomous 3D Exploration},
author = {Yiming Wang and Alessio Del Bue},
journal= {arXiv preprint arXiv:2011.14669},
year = {2020}
}
备注
published on European Conference on Computer Vision, 2020