基于语义分割构建预测地图的目标导航研究

燕洁 夏(芜湖职业技术大学，中国)

摘要

目标导航是机器人在复杂现实环境中执行任务的核心技能，要求机器人融合视觉感知、场景理解与运动规划等多领域能力，实现目标定位与避障。非结构化环境的未知性与不确定性，导致机器人难以获取环境先验知识，进而出现导航效率低、泛化能力弱等问题。传统SLAM方法仅依赖几何点云建模，因忽略语义信息，需完成全局探索后才能规划目标路径，导航效率低下。目前虽有研究通过将语义信息与几何映射关联构建融合语义的地图，但这类方法仍局限于对已观测区域进行建模，未观测区域需靠近后才能构建。为此，本文提出一种基于语义分割的环境预测地图方法，通过学习语义先验来预测未观测到的区域并生成语义地图,同时结合未观测区域语义类的不确定性来定位导航目标，以提升导航效率。

关键词

语义分割；预测地图；目标导航

参考

CADENA C, CARLONE L, CARRILLO H, et al. Past, present, and future of simultaneous localization and mapping: Toward the robust-perception age[J]. IEEE Transactions on robotics, 2016, 32(6): 1309-1332.

YANG S, SCHERER S. Cubeslam: Monocular 3-d object slam[J]. IEEE Transactions on Robotics, 2019, 35(4): 925-938.

BOWMAN S L, ATANASOV N, DANIILIDIS K, et al. Probabilistic data association for semantic slam[C]//2017 IEEE international conference on robotics and automation (ICRA). 2017: 1722-1729.

WIJMANS E, KADIAN A, MORCOS A, et al. Dd-ppo: Learning near-perfect pointgoal navigators from 2.5 billion frames[A]. 2020. arXiv: 1911.00357

CHAPLOT D S, GANDHI D, GUPTA S, et al. Learning to explore using active neural slam [A]. 2020. arXiv: 2004.05155.

YAMAUCHI B. A frontier-based approach for autonomous exploration[C]//Proceedings 1997 IEEE International Symposium on Computational Intelligence in Robotics and Automation CIRA’97.’Towards New Computational Principles for Robotics and Automation’. 1997: 146-151.

GEORGAKIS G, BUCHER B, SCHMECKPEPER K, et al. Learning to map for active semantic goal navigation[A]. 2022. arXiv: 2106.15648.

DOI: http://dx.doi.org/10.12345/xdjyjz.v4i6.37774