論文の概要: Average Outward Flux Skeletons for Environment Mapping and Topology
Matching
- arxiv url: http://arxiv.org/abs/2111.13826v1
- Date: Sat, 27 Nov 2021 06:29:57 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-04 15:20:25.191813
- Title: Average Outward Flux Skeletons for Environment Mapping and Topology
Matching
- Title(参考訳): 環境マッピングとトポロジマッチングのための平均外向きフラックス骨格
- Authors: Morteza Rezanejad, Babak Samari, Elham Karimi, Ioannis Rekleitis,
Gregory Dudek, Kaleem Siddiqi
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 15.93458380913065
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We consider how to directly extract a road map (also known as a topological
representation) of an initially-unknown 2-dimensional environment via an online
procedure that robustly computes a retraction of its boundaries. In this
article, we first present the online construction of a topological map and the
implementation of a control law for guiding the robot to the nearest unexplored
area, first presented in [1]. The proposed method operates by allowing the
robot to localize itself on a partially constructed map, calculate a path to
unexplored parts of the environment (frontiers), compute a robust terminating
condition when the robot has fully explored the environment, and achieve loop
closure detection. The proposed algorithm results in smooth safe paths for the
robot's navigation needs. The presented approach is any time algorithm that has
the advantage that it allows for the active creation of topological maps from
laser scan data, as it is being acquired. We also propose a navigation strategy
based on a heuristic where the robot is directed towards nodes in the
topological map that open to empty space. We then extend the work in [1] by
presenting a topology matching algorithm that leverages the strengths of a
particular spectral correspondence method [2], to match the mapped environments
generated from our topology-making algorithm. Here, we concentrated on
implementing a system that could be used to match the topologies of the mapped
environment by using AOF Skeletons. In topology matching between two given maps
and their AOF skeletons, we first find correspondences between points on the
AOF skeletons of two different environments. We then align the (2D) points of
the environments themselves. We also compute a distance measure between two
given environments, based on their extracted AOF skeletons and their topology,
as the sum of the matching errors between corresponding points.
- Abstract(参考訳): 我々は,まず未知の2次元環境の道路地図(トポロジカル表現としても知られる)を,その境界の縮小を堅牢に計算するオンライン手続きを通して直接抽出する方法を検討する。
本稿では,まず,トポロジカルマップのオンライン構築と,ロボットを最寄りの未探索領域まで誘導する制御則の実装について述べる。
提案手法では,ロボットが部分的に構築された地図上に自在に配置し,未探索の環境(前線)への経路を計算し,環境を十分に探索した際に頑健な終了条件を計算し,ループ閉鎖検出を実現する。
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。
提案したアプローチは、取得されるレーザースキャンデータからトポロジカルマップをアクティブに作成できるという利点を持つ任意の時間アルゴリズムである。
また,ロボットが空空間に開放されたトポロジカルマップのノードに向けられるヒューリスティックに基づくナビゲーション戦略を提案する。
次に, 特定のスペクトル対応法 [2] の強度を生かしたトポロジマッチングアルゴリズムを提案することにより, [1] の処理を拡張し, トポロジ生成アルゴリズムから生成されたマッピング環境に適合させる。
そこで我々は,AOFスケルトンを用いて地図化された環境のトポロジに適合するシステムの実装に集中した。
2つの与えられた地図とそれらのAOF骨格のトポロジーマッチングにおいて、まず2つの異なる環境のAOF骨格の点間の対応を見出す。
次に、環境自体の(2D)ポイントを調整します。
また, 抽出したAOF骨格とそのトポロジに基づいて, 与えられた2つの環境間の距離を, 対応する点間の一致誤差の和として計算する。
関連論文リスト
- Constructing Metric-Semantic Maps using Floor Plan Priors for Long-Term
Indoor Localization [29.404446814219202]
本稿では,長期オブジェクトベースローカライゼーションを目的としたメートル法セマンティックマップ構築の課題に対処する。
モノラルなRGBフレームからの3次元物体検出,オブジェクトベースのマップ構築,および構築されたマップのグローバルなローカライズに活用する。
オフィスビルにおける地図構築を評価し,同じ環境下で9ヶ月にわたって記録された課題列に対する長期的局所化アプローチを検証した。
論文 参考訳(メタデータ) (2023-03-20T09:33:05Z) - Contour Context: Abstract Structural Distribution for 3D LiDAR Loop
Detection and Metric Pose Estimation [31.968749056155467]
本稿では,高精度な3DoF距離ポーズ推定を用いた簡易かつ効果的かつ効率的なトポロジカルループ閉包検出パイプラインを提案する。
我々は,3次元LiDAR点から投影されるBEV像を構造層分布として解釈する。
検索キーは、層状KD木でインデックスされたデータベースの検索を高速化するように設計されている。
論文 参考訳(メタデータ) (2023-02-13T07:18:24Z) - Information Entropy Initialized Concrete Autoencoder for Optimal Sensor
Placement and Reconstruction of Geophysical Fields [58.720142291102135]
そこで本稿では,スパーク計測による地場再構成のためのセンサ配置の最適化について提案する。
本研究では, (a) 温度と (b) バレンツ海周辺の塩分濃度場とスバルバルド諸島群を例に示す。
得られた最適センサ位置は, 物理的解釈が明確であり, 海流の境界に対応することが判明した。
論文 参考訳(メタデータ) (2022-06-28T12:43:38Z) - GraphWalks: Efficient Shape Agnostic Geodesic Shortest Path Estimation [93.60478281489243]
3次元曲面上の測地線経路を近似する学習可能なネットワークを提案する。
提案手法は,最短経路の効率的な近似と測地距離推定を提供する。
論文 参考訳(メタデータ) (2022-05-30T16:22:53Z) - Temporally-Consistent Surface Reconstruction using Metrically-Consistent
Atlases [131.50372468579067]
そこで本稿では,時間変化点雲列から時間一貫性のある面列を復元する手法を提案する。
我々は、再構成された表面をニューラルネットワークによって計算されたアトラスとして表現し、フレーム間の対応性を確立することができる。
当社のアプローチは、いくつかの挑戦的なデータセットにおいて、最先端のものよりも優れています。
論文 参考訳(メタデータ) (2021-11-12T17:48:25Z) - Efficient Placard Discovery for Semantic Mapping During Frontier
Exploration [0.0]
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。
論文 参考訳(メタデータ) (2021-10-27T20:00:07Z) - Map completion from partial observation using the global structure of
multiple environmental maps [4.627706451989238]
本稿では,深層ニューラルネットワークを応用した確率的生成モデルに基づく新しいSLAM法であるマップ補完ネットワークを用いたSLAM(MCN-SLAM)を提案する。
提案手法は,従来のSLAM法よりも,部分観測の状況下で1.3倍の精度で環境マップを推定できることを実験で示した。
論文 参考訳(メタデータ) (2021-03-16T13:48:37Z) - Learning High Dimensional Wasserstein Geodesics [55.086626708837635]
高次元の2つの確率分布の間のワッサーシュタイン測地線を計算するための新しい定式化と学習戦略を提案する。
ラグランジュ乗算器の手法を最適輸送(OT)問題の動的定式化に適用することにより、サドル点がワッサーシュタイン測地線であるミニマックス問題を導出する。
次に、深層ニューラルネットワークによる関数のパラメータ化を行い、トレーニングのためのサンプルベースの双方向学習アルゴリズムを設計する。
論文 参考訳(メタデータ) (2021-02-05T04:25:28Z) - Deep Shells: Unsupervised Shape Correspondence with Optimal Transport [52.646396621449]
本稿では,3次元形状対応のための教師なし学習手法を提案する。
提案手法は,複数のデータセット上での最先端技術よりも大幅に改善されていることを示す。
論文 参考訳(メタデータ) (2020-10-28T22:24:07Z) - Gaussian Process Gradient Maps for Loop-Closure Detection in
Unstructured Planetary Environments [17.276441789710574]
以前にマップされた位置を認識する能力は、自律システムにとって不可欠な機能である。
非構造的な惑星のような環境は、地形の類似性のためにこれらのシステムに大きな課題をもたらす。
本稿では,空間情報のみを用いたループ閉鎖問題の解法を提案する。
論文 参考訳(メタデータ) (2020-09-01T04:41:40Z) - Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for
Online Collision Avoidance [95.86944752753564]
本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。
我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。
本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
論文 参考訳(メタデータ) (2020-07-28T07:34:30Z)
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。