要約
ロボット工学アプリケーションは多くの場合、下流のタスクを可能にするためにシーンの再構築に依存します。
この作業では、オンボード RGB-D カメラを使用して、未知のシーンの正確なマップを積極的に構築するという課題に取り組みます。
我々は、ガウス スプラッティング マップと粗いボクセル マップを組み合わせたハイブリッド マップ表現を提案します。これは、両方の表現の長所、つまりガウス スプラッティングの高忠実度シーン再構成機能とボクセル マップの空間モデリングの長所を活用します。
私たちのフレームワークの中核は、ボクセル マップからの空間情報を利用して未踏のエリアをターゲットにし、衝突のないパス計画を支援しながら、再構築が不十分なエリアを特定するためのガウス スプラッティング マップの効果的な信頼モデリング手法です。
マップ更新のために再構築が不十分で未調査の領域のシーン情報を積極的に収集することにより、私たちのアプローチは、最先端のアプローチと比較して優れたガウス スプラッティング再構築結果を実現します。
さらに、無人航空機を使用して、実世界におけるアクティブ シーン再構成フレームワークの適用可能性を実証します。
要約(オリジナル)
Robotics applications often rely on scene reconstructions to enable downstream tasks. In this work, we tackle the challenge of actively building an accurate map of an unknown scene using an on-board RGB-D camera. We propose a hybrid map representation that combines a Gaussian splatting map with a coarse voxel map, leveraging the strengths of both representations: the high-fidelity scene reconstruction capabilities of Gaussian splatting and the spatial modelling strengths of the voxel map. The core of our framework is an effective confidence modelling technique for the Gaussian splatting map to identify under-reconstructed areas, while utilising spatial information from the voxel map to target unexplored areas and assist in collision-free path planning. By actively collecting scene information in under-reconstructed and unexplored areas for map updates, our approach achieves superior Gaussian splatting reconstruction results compared to state-of-the-art approaches. Additionally, we demonstrate the applicability of our active scene reconstruction framework in the real world using an unmanned aerial vehicle.
arxiv情報
著者 | Liren Jin,Xingguang Zhong,Yue Pan,Jens Behley,Cyrill Stachniss,Marija Popović |
発行日 | 2024-12-23 18:29:03+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google