BiSeNet: Bilateral Segmentation Network for Real-time Semantic Segmentation

作者： 19届 lz

日期：2022-4-2

论文：《BiSeNet: Bilateral Segmentation Network for Real-time Semantic Segmentation》

一、背景：

探索三维(3d)空间的问题对于自主机器人仍然具有挑战性，因为这个问题必须同时处理两个任务:
1)在线更新环境表示以跟踪已探索区域;
2)寻找可连续遍历路径的表示以指导对未知区域的探索。

二、有关工作：

自主探索的问题已经从多个角度得到了解决。
下面是几种基于随机抽样的方法:

信息论方法:

基于最大化信息增益,依赖于贪婪策略，因此是短视和低效的，而不是最大化即时回报。

边界探索方法:

绘制的和未被绘制的区域之间的边界。当探索时，机器人不断地向边界移动，边界不断扩大，直到整个环境被探索，基于贪婪策略。

拓扑探索:

使用拓扑表示建立环境模型，这些拓扑表示包括对应于不同位置的节点和连接相邻位置节点的边。缺点是由于拓扑映射是自由空间的简洁表示，所以缺少细节。

随机抽样:

rrt,rrg

三、研究过程及结果：

贪心容易导致短视，一个自然的想法就是加入全局的引导。在我们的算法中，机器人最终执行的探索路径会在两个层面被优化：1. 在全局范围内，我们的算法会计算一条粗略的路径引导机器人行驶的大致方向，2. 在局部范围内，我们的算法则会寻找一条能让机器人的传感器完全覆盖局部探索区域的路线。这样在机器人探索的过程中，它行驶的路线会由于受到全局的引导而更具目的性，比如先探索完这个房间再探索下一个房间，而不是哪里的未知区域比较大就先去哪里。与此同时，粗略计算一条全局路径的所需的计算时间和资源会远远小于计算一条能完全覆盖局部区域的精细路线。这样我们能把主要的计算资源集中在距离机器人较近的空间之内，而不至于浪费在远处不确定性更大的地方。

发现：

研究方法2：

研究结果2：

发现：