論文の概要: Efficient Placard Discovery for Semantic Mapping During Frontier Exploration

• arxiv url: http://arxiv.org/abs/2110.14742v1
• Date: Wed, 27 Oct 2021 20:00:07 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-29 16:06:35.627305
• Title: Efficient Placard Discovery for Semantic Mapping During Frontier Exploration
• Title（参考訳）: フロンティア探査における意味マッピングのための効率的なプラカード探索
• Authors: David Balaban, Harshavardhan Jagannathan, Henry Liu, Justin Hart
• Abstract要約: この研究は、Interruptable Frontier Explorationアルゴリズムを導入し、ロボットが自身の環境を探索してSLAMマップを構築すると同時に、このプロセス中に観察されたプラカードを検査することを可能にする。 これにより、ロボットは人間の介入なしに部屋のプラカードを自律的に発見できる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Semantic mapping is the task of providing a robot with a map of its environment beyond the open, navigable space of traditional Simultaneous Localization and Mapping (SLAM) algorithms by attaching semantics to locations. The system presented in this work reads door placards to annotate the locations of offices. Whereas prior work on this system developed hand-crafted detectors, this system leverages YOLOv2 for detection and a segmentation network for segmentation. Placards are localized by computing their pose from a homography computed from a segmented quadrilateral outline. This work also introduces an Interruptable Frontier Exploration algorithm, enabling the robot to explore its environment to construct its SLAM map while pausing to inspect placards observed during this process. This allows the robot to autonomously discover room placards without human intervention while speeding up significantly over previous autonomous exploration methods.
• Abstract（参考訳）: セマンティックマッピング(Semantic Mapping)とは、従来のSLAMアルゴリズムのオープンでナビゲート可能な空間を越えて、セマンティックなセマンティックスを位置情報にアタッチすることで、環境の地図を提供するタスクである。 この作業で提示されたシステムは、オフィスの位置をアノテートするためのドアプラカードを読み取る。 このシステムは手作りの検出器を開発したが、検出にはYOLOv2、セグメンテーションにはセグメンテーションネットワークを利用している。 プラカードは、セグメンテーションされた四角形輪郭から計算されたホモグラフィからそのポーズを計算することで局所化される。 この研究はまた、割り込み可能なフロンティア探索アルゴリズムを導入し、このプロセス中に観察されたプラカードを検査しながら、ロボットがスラムマップを構築することができるようにした。 これにより、ロボットは人間の介入なしに部屋のプラカードを自律的に発見できる。

関連論文リスト

• Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
  本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。 本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。 我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
  論文  参考訳（メタデータ） (2024-10-10T10:10:03Z)
• PRISM-TopoMap: Online Topological Mapping with Place Recognition and Scan Matching [42.74395278382559]
  本稿では,局所的な位置のグラフを保持するトポロジカルマッピング手法であるPRISM-TopoMapを紹介する。 提案手法は,ローカライゼーションとループ閉鎖のためのスキャンマッチングパイプラインと組み合わせた学習可能なマルチモーダル位置認識を含む。 提案手法の広範な実験的評価を,写真実写環境および実ロボット上で行った。
  論文  参考訳（メタデータ） (2024-04-02T06:25:16Z)
• Mapping High-level Semantic Regions in Indoor Environments without Object Recognition [50.624970503498226]
  本研究では,屋内環境における埋め込みナビゲーションによる意味領域マッピング手法を提案する。 地域識別を実現するために,視覚言語モデルを用いて地図作成のためのシーン情報を提供する。 グローバルなフレームにエゴセントリックなシーン理解を投影することにより、提案手法は各場所の可能な領域ラベル上の分布としてのセマンティックマップを生成する。
  論文  参考訳（メタデータ） (2024-03-11T18:09:50Z)
• Neural Implicit Dense Semantic SLAM [83.04331351572277]
  本稿では,屋内シーンのメモリ効率,高密度な3次元形状,セマンティックセマンティックセグメンテーションをオンラインで学習する新しいRGBD vSLAMアルゴリズムを提案する。 私たちのパイプラインは、従来の3Dビジョンベースのトラッキングとループクローズとニューラルフィールドベースのマッピングを組み合わせたものです。 提案アルゴリズムはシーン認識を大幅に向上させ,様々なロボット制御問題を支援する。
  論文  参考訳（メタデータ） (2023-04-27T23:03:52Z)
• FRAME: Fast and Robust Autonomous 3D point cloud Map-merging for Egocentric multi-robot exploration [2.433860819518925]
  本稿では,エゴセントリックなヘテロジニアスマルチロボット探索のための3次元クラウドマップ統合フレームワークを提案する。 提案した新しいソリューションは、最先端の場所認識学習ディスクリプタを利用して、フレームワークのメインパイプラインを通じて、高速で堅牢なリージョン重複推定を提供する。 提案手法の有効性を, 地下環境における複数フィールドマルチロボット探査計画に基づいて実験的に評価した。
  論文  参考訳（メタデータ） (2023-01-22T21:59:38Z)
• Construction of Object Boundaries for the Autopilotof a Surface Robot from Satellite Imagesusing Computer Vision Methods [101.18253437732933]
  衛星地図上での水物体を検出する手法を提案する。 輪郭のGPS座標を計算するアルゴリズムを作成する。 提案アルゴリズムは,表面ロボットオートパイロットモジュールに適したフォーマットで結果の保存を可能にする。
  論文  参考訳（メタデータ） (2022-12-05T12:07:40Z)
• Incremental 3D Scene Completion for Safe and Efficient Exploration Mapping and Planning [60.599223456298915]
  本研究では,情報,安全,解釈可能な地図作成と計画に3次元シーン補完を活用することによって,深層学習を探索に統合する新しい手法を提案する。 本手法は,地図の精度を最小限に抑えることで,ベースラインに比べて環境のカバレッジを73%高速化できることを示す。 最終地図にシーン完了が含まれていなくても、ロボットがより情報的な経路を選択するように誘導し、ロボットのセンサーでシーンの測定を35%高速化できることが示される。
  論文  参考訳（メタデータ） (2022-08-17T14:19:33Z)
• Average Outward Flux Skeletons for Environment Mapping and Topology Matching [15.93458380913065]
  本研究では,初期未知の2次元環境の道路マップの抽出方法を,その境界線を頑健に計算するオンライン・プロシージャを用いて検討する。 提案アルゴリズムは,ロボットのナビゲーションニーズに対して,スムーズな経路を実現する。
  論文  参考訳（メタデータ） (2021-11-27T06:29:57Z)
• Occupancy Anticipation for Efficient Exploration and Navigation [97.17517060585875]
  そこで我々は,エージェントが自我中心のRGB-D観測を用いて,その占有状態を可視領域を超えて推定する,占有予測を提案する。 エゴセントリックなビューとトップダウンマップの両方でコンテキストを活用することで、私たちのモデルは環境のより広いマップを予測できます。 われわれのアプローチは、2020 Habitat PointNav Challengeの優勝だ。
  論文  参考訳（メタデータ） (2020-08-21T03:16:51Z)
• Graph-based Proprioceptive Localization Using a Discrete Heading-Length Feature Sequence Matching Approach [14.356113113268389]
  Proprioceptive Localizationは、新しいタイプのロボットエゴセントリックなローカライゼーション手法を指す。 これらの方法は自然に悪天候、照明条件、その他の極端な環境条件に免疫がある。 環境条件の厳しい環境条件下で、ローカライゼーションのための低コストなフォールバックソリューションを提供する。
  論文  参考訳（メタデータ） (2020-05-27T23:10:15Z)
• Learning Topometric Semantic Maps from Occupancy Grids [2.5234065536725963]
  本稿では,このようなインスタンスベースのセマンティックマップを,占有グリッドから純粋に抽出する手法を提案する。 我々は、ランダムな大きさの地図からドア仮説を検出し、セグメンテーションし、抽出するために、深層学習技術を組み合わせている。 提案手法を,公開されている実世界の複数のデータセットに対して評価する。
  論文  参考訳（メタデータ） (2020-01-10T22:06:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。