A Bayesian Modeling Framework for Estimation and Ground Segmentation of Cluttered Staircases

要約

複雑な環境におけるロボットの自律ナビゲーションには、ロボットの動きによってもたらされるオクルージョンや不確実性などの知覚上の課題に起因する、堅牢な知覚と高レベルのシーン理解が必要です。
たとえば、雑然とした階段を登るロボットは、雑然としたものを段差と誤って解釈し、状態を誤って伝え、安全性を損なう可能性があります。
これには、不完全なセンサー データからでも環境の基礎となる構造を推測できる堅牢な状態推定方法が必要です。
本稿では、階段のロバストな状態推定のための新しい方法を紹介します。
ロボットの視野を超えて広がる遮蔽された階段を認識するという課題に対処するために、私たちのアプローチでは、無限幅の階段表現と有限の終点状態を組み合わせて、階段構造全体をキャプチャします。
この表現はベイジアン推論フレームワークに統合され、ノイズの多い測定値を融合することで、部分的な観測や遮蔽があっても階段の位置を正確に推定できるようになります。
さらに、階段推定パイプラインと連携して、階段上の散らかった領域を正確に識別するセグメンテーション アルゴリズムを紹介します。
私たちの手法は、さまざまな階段にわたる実際のロボットで広範囲に評価されており、ベースラインのアプローチと比較して推定精度とセグメンテーションのパフォーマンスが大幅に向上していることが実証されています。

要約(オリジナル)

Autonomous robot navigation in complex environments requires robust perception as well as high-level scene understanding due to perceptual challenges, such as occlusions, and uncertainty introduced by robot movement. For example, a robot climbing a cluttered staircase can misinterpret clutter as a step, misrepresenting the state and compromising safety. This requires robust state estimation methods capable of inferring the underlying structure of the environment even from incomplete sensor data. In this paper, we introduce a novel method for robust state estimation of staircases. To address the challenge of perceiving occluded staircases extending beyond the robot’s field-of-view, our approach combines an infinite-width staircase representation with a finite endpoint state to capture the overall staircase structure. This representation is integrated into a Bayesian inference framework to fuse noisy measurements enabling accurate estimation of staircase location even with partial observations and occlusions. Additionally, we present a segmentation algorithm that works in conjunction with the staircase estimation pipeline to accurately identify clutter-free regions on a staircase. Our method is extensively evaluated on real robot across diverse staircases, demonstrating significant improvements in estimation accuracy and segmentation performance compared to baseline approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google