Improving obstacle boundary representations in predictive occupancy mapping
Improving obstacle boundary representations in predictive occupancy mapping
复制标题
改进预测占用映射中的障碍物边界表示
DOI：
10.1016/j.robot.2022.104077
复制
发表时间：
2022
影响因子：
4.3
通讯作者：
Englot, Brendan
中科院分区：
文献类型：
--
作者：
Pearson, Erik;Doherty, Kevin;Englot, Brendan
预测性的、基于推理的占用映射已经在许多情况下成功地用于从稀疏数据创建准确的和描述性的地图，以适合于支持自主导航的方式定义占用空间。然而，主要基于距离传感器观测的接近度来推断占用的一个关键缺点是在占用空间和自由空间之间的边界处的不准确性，其中传感器数据的稀疏覆盖可能被误解。为了获得一个更准确的表示自由和占用空间之间的边界，我们提出了几个修改最近发表的占用映射算法，使用贝叶斯广义核推理。特别是，我们提出的算法区分unknownmap细胞与不足的意见，和那些不确定的，由于众多的意见之间的分歧，在一个预测性的，基于推理的占用地图。这种区别是我们提高捕获自由空间和占用空间之间边界处产生的模糊性的能力的关键。我们验证了我们的方法，使用模拟环境中的合成范围数据，并使用在地下矿井中操作的地面机器人获得的范围数据演示实时映射性能。
Predictive, inference-based occupancy mapping has been used successfully in many instances to create accurate and descriptive maps from sparse data, defining occupied space in a manner suitable to support autonomous navigation. However, one key drawback of inferring occupancy based largely on the proximity of range sensor observations is inaccuracy at the boundary between occupied and free space, where sparse coverage by the sensor data can be misinterpreted. To obtain a more accurate representation of the boundary between free and occupied space, we propose several modifications to a recently published occupancy mapping algorithm that uses Bayesian generalized kernel inference. In particular, our proposed algorithm distinguishes betweenunknownmap cells with insufficient observations, and those which areuncertaindue to disagreement among numerous observations, in a predictive, inference-based occupancy map. This distinction is key to our improved ability to capture ambiguities arising at the boundary between free and occupied space. We validate our approach using synthetic range data from a simulated environment and demonstrate real-time mapping performance using range data acquired by a ground robot operating in an underground mine.
登录
查看更多内容
影响因子：
5.2
作者：
Lu Gan;Ray Zhang;J. Grizzle;R. Eustice;Maani Ghaffari
通讯作者：
Lu Gan;Ray Zhang;J. Grizzle;R. Eustice;Maani Ghaffari
影响因子：
3.5
作者：
Hornung, Armin;Wurm, Kai M.;Burgard, Wolfram
通讯作者：
Burgard, Wolfram
影响因子：
5.2
作者：
Duberg, Daniel;Jensfelt, Patric
通讯作者：
Jensfelt, Patric
DOI：
10.1177/1729881420910530
发表时间：
2020-03-01
影响因子：
2.3
作者：
Macenski, Steve;Tsai, David;Feinberg, Max
通讯作者：
Feinberg, Max
影响因子：
9.2
作者：
O'Callaghan, Simon T.;Ramos, Fabio T.
通讯作者：
Ramos, Fabio T.