Using Lidar Intensity for Robot Navigation

要約

ロボットの認識と自律ナビゲーションのための新しい 3D オブジェクト表現である多層強度マップを紹介します。
これらは、特定の高さ間隔に対応する反射点群強度からそれぞれ導出された 2D グリッド マップの複数の積層レイヤーで構成されます。
強度マップのさまざまなレイヤーを使用して、障害物の高さ、固さ/密度、不透明度を同時に推定できます。
私たちは、それらが安全に通過できる障害物 (例: ビーズ/紐のカーテン、しなやかな背の高い草) と避けなければならない障害物 (例: ガラスの壁、茂み、木などの透明な表面) を正確に区別するのに役立つことを実証します。
屋内と屋外の環境。
さらに、狭い通路を処理し、密集した環境で非固体の障害物を通過するために、強度マップ上で検出された障害物を、その固体度とロボットの優先速度方向に基づいて適応的に膨張または拡大するアプローチを提案します。
実際の Turtlebot と Boston Dynamics Spot を使用して、現実世界の狭くて密集した環境でこれらの改善されたナビゲーション機能を実証します。
他のセンサーモダリティを使用した現在のナビゲーション方法と比較して、成功率の大幅な増加 (最大 50%)、軌道長の 9.55% の減少、および F スコアの最大 10.9% の増加が観察されています。

要約(オリジナル)

We present Multi-Layer Intensity Map, a novel 3D object representation for robot perception and autonomous navigation. They consist of multiple stacked layers of 2D grid maps each derived from reflected point cloud intensities corresponding to a certain height interval. The different layers of the intensity maps can be used to simultaneously estimate obstacles’ height, solidity/density, and opacity. We demonstrate that they can help accurately differentiate obstacles that are safe to navigate through (e.g. beaded/string curtains, pliable tall grass), from ones that must be avoided (e.g. transparent surfaces such as glass walls, bushes, trees, etc.) in indoor and outdoor environments. Further, to handle narrow passages, and navigate through non-solid obstacles in dense environments, we propose an approach to adaptively inflate or enlarge the obstacles detected on intensity maps based on their solidity, and the robot’s preferred velocity direction. We demonstrate these improved navigation capabilities in real-world narrow, dense environments using a real Turtlebot and Boston Dynamics Spot. We observe significant increases in success rates (up to 50%), a 9.55% decrease in trajectory length, and up to a 10.9% increase in the F-score compared to current navigation methods using other sensor modalities.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google