Semantic Region Aware Autonomous Exploration for Multi-Type Map Construction in Unknown Indoor Environments

要約

主流の自律探査手法は通常、同じ領域に対して過度に繰り返し探査を実行するため、複雑なシーンでの探査時間と探査軌跡が長くなります。
この問題に対処するために、我々は新しい意味論的領域認識型自律探索方法を提案する。その中心となるアイデアは、自律ナビゲーション戦略を最適化するために意味論的領域の情報を考慮することである。
我々の手法により、移動ロボットは次の領域に移動する前に現在の意味領域を完全に探索することが可能となり、過剰な探索の繰り返しを回避し、探索速度の高速化に貢献します。
さらに、通常単一タイプのマップを構築する既存の自律探索手法と比較して、私たちの手法は点群マップ、占有グリッドマップ、トポロジカルマップ、セマンティックマップを含む4種類のマップを構築することができます。
実験結果は、古典的な RRT (急速探査ランダム ツリー) ベースの自律探査方法と比較した場合、私たちの方法が 98% 以上の探査率を維持しながら、最高の 50.7% の探査時間の短縮と 48.1% の探査軌道長の短縮を達成することを示しています。

要約(オリジナル)

Mainstream autonomous exploration methods usually perform excessively-repeated explorations for the same region, leading to long exploration time and exploration trajectory in complex scenes. To handle this issue, we propose a novel semantic region aware autonomous exploration method, the core idea of which is considering the information of semantic regions to optimize the autonomous navigation strategy. Our method enables the mobile robot to fully explore the current semantic region before moving to the next region, contributing to avoid excessively-repeated explorations and accelerate the exploration speed. In addition, compared with existing au?tonomous exploration methods that usually construct the single-type map, our method allows to construct four types of maps including point cloud map, occupancy grid map, topological map, and semantic map. The experiment results demonstrate that our method achieves the highest 50.7% exploration time reduction and 48.1% exploration trajectory length reduction while maintaining >98% exploration rate when comparing with the classical RRT (Rapid-exploration Random Tree) based autonomous exploration method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google