Log-GPIS-MOP: A Unified Representation for Mapping, Odometry and Planning

要約

従来のロボット システムでは、異なるタスクごとに専用のシーン表現が必要ですが、この論文では、統合された表現を複数の主要なタスクに直接使用できることを示します。
我々は、マッピング、オドメトリ、およびプランニングのための対数ガウス過程暗黙的曲面 (Log-GPIS-MOP) を提案します。これは、統一された表現に基づいた曲面の再構成、位置特定、およびナビゲーションのための確率的フレームワークです。
私たちのフレームワークは、Gaussian Process Implicit Surface (GPIS) 定式化に対数変換を適用して、勾配のあるユークリッド距離フィールドと、同時に暗黙的な曲面を正確にキャプチャするグローバル表現を復元します。
提案されたインクリメンタル オドメトリ技術は、Log-GPIS 推論を通じて距離フィールドとその勾配を直接推定することにより、受信フレームの最適な位置合わせを計算し、それをグローバルに融合してマップを生成します。
同時に、最適化ベースのプランナーは、同じ Log-GPIS サーフェス表現を使用して、衝突のない安全なパスを計算します。
提案されたフレームワークを 2D および 3D のシミュレートされた実際のデータセットで検証し、最先端のアプローチに対してベンチマークを行います。
私たちの実験では、Log-GPIS-MOP が逐次オドメトリ、路面マッピング、障害物回避において競争力のある結果を生み出すことを示しています。

要約(オリジナル)

Whereas dedicated scene representations are required for each different task in conventional robotic systems, this paper demonstrates that a unified representation can be used directly for multiple key tasks. We propose the Log-Gaussian Process Implicit Surface for Mapping, Odometry and Planning (Log-GPIS-MOP): a probabilistic framework for surface reconstruction, localisation and navigation based on a unified representation. Our framework applies a logarithmic transformation to a Gaussian Process Implicit Surface (GPIS) formulation to recover a global representation that accurately captures the Euclidean distance field with gradients and, at the same time, the implicit surface. By directly estimating the distance field and its gradient through Log-GPIS inference, the proposed incremental odometry technique computes the optimal alignment of an incoming frame and fuses it globally to produce a map. Concurrently, an optimisation-based planner computes a safe collision-free path using the same Log-GPIS surface representation. We validate the proposed framework on simulated and real datasets in 2D and 3D and benchmark against the state-of-the-art approaches. Our experiments show that Log-GPIS-MOP produces competitive results in sequential odometry, surface mapping and obstacle avoidance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google