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

要約

複雑な環境での自律的なロボットナビゲーションには、オクルージョンなどの知覚的な課題やロボットの動きによって導入された不確実性のために、堅牢な知覚と高レベルのシーンの理解が必要です。
たとえば、散らかった階段を登るロボットは、散乱を一歩と誤解し、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根底にある構造を推測できる堅牢な状態推定方法が必要です。
この論文では、階段の堅牢な状態推定のための新しい方法を紹介します。
ロボットの観点から広がる閉塞された階段を知覚するという課題に対処するために、私たちのアプローチは、無限の幅の階段表現と有限のエンドポイント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、騒々しい測定値を融合し、部分的な観測と閉塞でも階段の位置を正確に推定できるようにします。
さらに、階段のない領域を正確に識別するために、階段推定パイプラインと組み合わせて機能するセグメンテーションアルゴリズムを提示します。
私たちの方法は、多様な階段全体で実際のロボットで広く評価されており、ベースラインアプローチと比較して推定精度とセグメンテーション性能の大幅な改善を示しています。

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