【论文解读】Bayesian Generalized Kernel Inference for Terrain Traversability Mapping

title={Bayesian Generalized Kernel Inference for Terrain Traversability Mapping},
author={Shan, Tixiao and Wang, Jinkun and Englot, Brendan and Doherty, Kevin},
booktitle={In Proceedings of the 2nd Annual Conference on Robot Learning},
year={2018}

摘要：我们提出了一种使用地面车辆收集的稀疏激光雷达扫描进行穿越能力测绘的新方法，该方法利用概率推理来建立描述性地形图。 由于稀疏内核的最新发展，贝叶斯广义内核推理被顺序应用于地形高程和可穿越性推理的相关问题。 第一推理步骤允许稀疏数据支持描述性地形建模，第二推理步骤减轻了通常与可遍历性计算相关的负担。 我们探索了该方法在各种数据和地形上的功能，证明了其在现实应用中在线使用的适用性。
关键词：遍历性映射，范围感应，自主导航

1 简介

为了实现无人地面车辆（UGV）的自主性，已经做出了巨大的努力，准确地表示环境是实现这种自主性的基本前提。二维平面UGV导航[1]的映射方法，例如乘员网格映射，已经取得了巨大的成功。但是，假设周围环境是平面的，则在许多情况下都会限制无人飞行器的能力。可穿越性映射[2]将可变高度地形的区域分类为可穿越或不可穿越，它成为启用3D环境中自主导航的有用工具，因为它可以解决崎岖地形和复杂结构的存在。摄像机[3、4]，激光雷达[5、6]或两者[7、8、9]的组合通常用于映射3D地形。尽管基于视觉的方法在提供密集覆盖方面具有优势，但