Learning Surface Terrain Classifications from Ground Penetrating Radar

要約

地形分類は、自律ナビゲーションや計画などの下流タスクを支援できるため、極限環境で動作する移動ロボットにとって重要な問題です。
RGB カメラは地形の識別に広く使用されていますが、視覚ベースの方法は、照明条件が悪い場合や遮蔽物によって問題が発生する可能性があります。
この論文では、移動ロボット プラットフォームの地形特性評価のための地中レーダー (GPR) の新しい使用法を提案します。
私たちのアプローチは、GPR データからの地表地形分類に機械学習を活用しています。
4 つの異なる地形タイプで構成される新しいデータセットを収集し、定性的および定量的な結果を提示します。
私たちの結果は、分類ネットワークが GPR 信号から地形カテゴリを学習できることを示しています。
さらに、GPR ベースの分類アプローチをマルチモーダル セマンティック マッピング フレームワークに統合し、移動ロボットの地表地形分類における GPR の実用的な使用例を実証します。
全体として、この取り組みはロボットに展開された GPR センサーの有用性を拡張し、GPR の既存の科学的ユースケースに加えて地形分類を可能にします。

要約(オリジナル)

Terrain classification is an important problem for mobile robots operating in extreme environments as it can aid downstream tasks such as autonomous navigation and planning. While RGB cameras are widely used for terrain identification, vision-based methods can suffer due to poor lighting conditions and occlusions. In this paper, we propose the novel use of Ground Penetrating Radar (GPR) for terrain characterization for mobile robot platforms. Our approach leverages machine learning for surface terrain classification from GPR data. We collect a new dataset consisting of four different terrain types, and present qualitative and quantitative results. Our results demonstrate that classification networks can learn terrain categories from GPR signals. Additionally, we integrate our GPR-based classification approach into a multimodal semantic mapping framework to demonstrate a practical use case of GPR for surface terrain classification on mobile robots. Overall, this work extends the usability of GPR sensors deployed on robots to enable terrain classification in addition to GPR’s existing scientific use cases.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google