Active perception network for non-myopic online exploration and visual surface coverage

要約

この研究では、オンライン探索と未知の環境の視覚センサーの範囲の問題に対処します。
私たちは、Active Perception Network (APN) と呼ぶ新しい認識ロードマップを導入します。これは、段階的に構築される環境の空間マップをどのように横断して認識するかを記述する階層的なトポロジー グラフとして機能します。
APN 状態は、空間マップの個別の変更を追跡して更新を通知する効率的な差分認識技術を使用して、既知の空間全体に広がる接続構成空間を拡張するために段階的に更新されます。
情報獲得と目に見える情報を効率的に評価するために、フロンティアに基づくアプローチが提示され、APN 内でマップされていないスペースの最大カバレッジが確実に維持されるようにビューのサンプリングと改良をガイドします。
更新されたロードマップは、近視眼的ではないグローバル ビュー シーケンス プランナーを容易にするために使用されるサブグラフ領域に階層的に分解されます。
いくつかの最先端のアプローチとの比較分析が実施され、総探査時間と表面被覆率の点で大幅なパフォーマンスの向上が示され、大規模で複雑な環境に拡張可能な高い計算効率が実証されました。

要約(オリジナル)

This work addresses the problem of online exploration and visual sensor coverage of unknown environments. We introduce a novel perception roadmap we refer to as the Active Perception Network (APN) that serves as a hierarchical topological graph describing how to traverse and perceive an incrementally built spatial map of the environment. The APN state is incrementally updated to expand a connected configuration space that extends throughout as much of the known space as possible, using efficient difference-awareness techniques that track the discrete changes of the spatial map to inform the updates. A frontier-guided approach is presented for efficient evaluation of information gain and covisible information, which guides view sampling and refinement to ensure maximum coverage of the unmapped space is maintained within the APN. The updated roadmap is hierarchically decomposed into subgraph regions which we use to facilitate a non-myopic global view sequence planner. A comparative analysis to several state-of-the-art approaches was conducted, showing significant performance improvements in terms of total exploration time and surface coverage, and demonstrating high computational efficiency that is scalable to large and complex environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google