要約
オンラインマップの構築は、自律的なロボットが未知の環境でナビゲートするために不可欠です。
ただし、動的なオブジェクトの存在により、アーティファクトがマップに導入される可能性があり、ローカリゼーションとパス計画のパフォーマンスを大幅に低下させる可能性があります。
この問題に取り組むために、保守的な自由空間推定（自由）に基づいた静的マップ構築のための新しいオンラインダイナミックオブジェクト除去フレームワークが提案されており、スキャン除去フロントエンドとマップ修復バックエンドで構成されています。
まず、高速計算と効果的なマップ表現のためのマルチ解像度マップ構造を提案します。
スキャン除去のフロントエンドでは、Raycastの強化を採用して、空きスペースの推定を改善し、推定された自由空間に基づいてLidarスキャンをセグメント化します。
マップ修正バックエンドでは、増分空間情報を活用することにより、マップ内の残留動的オブジェクトをさらに削除します。
Semantickitti、Helimos、およびさまざまなセンサーを備えた屋内データセットで実験的に検証されたように、提案されたフレームワークは、視認性ベースの方法の限界を克服し、平均F1スコア改善で9.7％の最先端の方法を上回ります。
要約(オリジナル)
Online map construction is essential for autonomous robots to navigate in unknown environments. However, the presence of dynamic objects may introduce artifacts into the map, which can significantly degrade the performance of localization and path planning. To tackle this problem, a novel online dynamic object removal framework for static map construction based on conservative free space estimation (FreeDOM) is proposed, consisting of a scan-removal front-end and a map-refinement back-end. First, we propose a multi-resolution map structure for fast computation and effective map representation. In the scan-removal front-end, we employ raycast enhancement to improve free space estimation and segment the LiDAR scan based on the estimated free space. In the map-refinement back-end, we further eliminate residual dynamic objects in the map by leveraging incremental free space information. As experimentally verified on SemanticKITTI, HeLiMOS, and indoor datasets with various sensors, our proposed framework overcomes the limitations of visibility-based methods and outperforms state-of-the-art methods with an average F1-score improvement of 9.7%.
arxiv情報
| 著者 | Chen Li,Wanlei Li,Wenhao Liu,Yixiang Shu,Yunjiang Lou |
| 発行日 | 2025-04-15 11:16:09+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google