Occupancy Grid Mapping without Ray-Casting for High-resolution LiDAR Sensors

要約

占有マッピングは、環境の未知の領域と既知の領域を推論するためのロボット システムの基本的なコンポーネントです。
この記事では、D-Map と呼ばれる、高解像度 LiDAR センサー用の効率的な占有マッピング フレームワークを紹介します。
このフレームワークには、占有マッピングの計算効率の課題に対処するために 3 つの主要な新機能が導入されています。
まず、従来のレイキャスティング法の代わりに深度画像を使用して領域の占有状態を決定します。
次に、ツリーベースのマップ構造上で効率的なオンツリー更新戦略を導入します。
これら 2 つの手法により、スモール セルへの冗長なアクセスが回避され、更新されるセルの数が大幅に減少します。
3 番目に、LiDAR センサーの低い誤警報率を利用して、更新のたびにマップから既知のセルを削除します。
このアプローチは、マップ サイズを削減することでフレームワークの更新効率を高めるだけでなく、D-Map と名付けた興味深い減少特性もフレームワークに与えます。
私たちの設計をサポートするために、深度画像投影の精度と占有更新の時間計算量の理論的分析を提供します。
さらに、パブリックおよびプライベートのデータセットの両方で、さまざまな LiDAR センサーに対して広範なベンチマーク実験を実施しています。
私たちのフレームワークは、同等のマッピング精度と高いメモリ効率を維持しながら、他の最先端の方法と比較して優れた効率を示します。
私たちは、ハンドル デバイスと高解像度 LiDAR を搭載した空中プラットフォームでのリアルタイム占有マッピングのための D-Map の 2 つの実際のアプリケーションをデモします。
さらに、社会に利益をもたらすために、D-Map の実装を GitHub でオープンソース化しています (github.com/hku-mars/D-Map)。

要約(オリジナル)

Occupancy mapping is a fundamental component of robotic systems to reason about the unknown and known regions of the environment. This article presents an efficient occupancy mapping framework for high-resolution LiDAR sensors, termed D-Map. The framework introduces three main novelties to address the computational efficiency challenges of occupancy mapping. Firstly, we use a depth image to determine the occupancy state of regions instead of the traditional ray-casting method. Secondly, we introduce an efficient on-tree update strategy on a tree-based map structure. These two techniques avoid redundant visits to small cells, significantly reducing the number of cells to be updated. Thirdly, we remove known cells from the map at each update by leveraging the low false alarm rate of LiDAR sensors. This approach not only enhances our framework’s update efficiency by reducing map size but also endows it with an interesting decremental property, which we have named D-Map. To support our design, we provide theoretical analyses of the accuracy of the depth image projection and time complexity of occupancy updates. Furthermore, we conduct extensive benchmark experiments on various LiDAR sensors in both public and private datasets. Our framework demonstrates superior efficiency in comparison with other state-of-the-art methods while maintaining comparable mapping accuracy and high memory efficiency. We demonstrate two real-world applications of D-Map for real-time occupancy mapping on a handle device and an aerial platform carrying a high-resolution LiDAR. In addition, we open-source the implementation of D-Map on GitHub to benefit society: github.com/hku-mars/D-Map.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google