Continuous Occupancy Mapping in Dynamic Environments Using Particles

要約

粒子ベースの動的占有マップは、動的環境における障害物をモデル化するために近年提案されました。
現在の粒子ベースのマップは占有状態を離散的なグリッド形式で記述しており、グリッド サイズの問題に悩まされています。グリッド サイズが大きいと動作計画には不利であり、グリッド サイズが小さいと効率が低下し、ギャップや不一致が発生します。
この問題に取り組むために、この論文では粒子ベースのマップを連続空間に一般化し、効率的な 3D 自己中心的なローカル マップを構築します。
粒子を伝播し、オクルージョンを考慮してマップを効率的に更新するために、ボクセル部分空間分割と新しいピラミッド状部分空間分割で構成される二重構造部分空間分割パラダイムを提案します。
マップ空間内の任意の点の占有状態は、パーティクルの重みを使用して推定できます。
静的障害物と動的障害物を同時にモデル化するパフォーマンスをさらに強化し、ノイズを最小限に抑えるために、初速度推定アプローチと混合モデルが利用されます。
実験結果は、私たちのマップが動的障害物と静的障害物の両方を効果的かつ効率的にモデル化できることを示しています。
最先端のグリッド形式の粒子ベースのマップと比較して、私たちのマップは継続的な占有推定を可能にし、さまざまな解像度でのパフォーマンスを大幅に向上させます。

要約(オリジナル)

Particle-based dynamic occupancy maps were proposed in recent years to model the obstacles in dynamic environments. Current particle-based maps describe the occupancy status in discrete grid form and suffer from the grid size problem, wherein a large grid size is unfavorable for motion planning, while a small grid size lowers efficiency and causes gaps and inconsistencies. To tackle this problem, this paper generalizes the particle-based map into continuous space and builds an efficient 3D egocentric local map. A dual-structure subspace division paradigm, composed of a voxel subspace division and a novel pyramid-like subspace division, is proposed to propagate particles and update the map efficiently with the consideration of occlusions. The occupancy status of an arbitrary point in the map space can then be estimated with the particles’ weights. To further enhance the performance of simultaneously modeling static and dynamic obstacles and minimize noise, an initial velocity estimation approach and a mixture model are utilized. Experimental results show that our map can effectively and efficiently model both dynamic obstacles and static obstacles. Compared to the state-of-the-art grid-form particle-based map, our map enables continuous occupancy estimation and substantially improves the performance in different resolutions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google