SLAM论文速递【动态SLAM】—4.04（4）

论文信息

题目：

Long-term 3D map maintenance in dynamic environments 
动态环境下的长期三维地图维护

论文地址：

https://hal.science/hal-01143106/file/2014_Pomerleau_ICRA_Long-term.pdf

发表期刊：

EEE机器人与自动化国际会议(ICRA)

标签

长期地图更新、动态物体识别

摘要

我们提出了一种使用三维激光扫描仪进行长期定位和实时映射的算法。系统根据重复观测，推断出环境中每个三维点的静态或动态状态。每个动态点的速度估计不需要对象模型或显式聚类的点。在任何时候，系统都能够产生最可能的底层静态场景几何表示。通过存储速度的时间历史，我们可以推断出地图中的主要运动模式。其结果是一个在线地图和定位系统，专门设计用于在高度动态环境中实现长期自治。我们使用在苏黎世联邦理工学院校园周围收集的数据来验证这种方法，数据收集时间超过7个月，并经过了数公里的导航。据我们所知，这是第一个将长期地图更新与动态对象跟踪统一起来的工作。

本文提出了一种算法，可以执行SLAM、地图更新、地图点的动态或静态分类以及动态点的速度估计，所有这些都是实时的，并且只使用3D激光扫描仪的数据。这种方法是自下而上的;它不依赖于先验信息，比如对象模型。唯一使用的先验是对动态场景点速度的弱平滑假设。通过保存逐点速度估计的时间历史，我们能够推断出地图中的主要运动模式。该算法使用如图1所示的现场机器人在苏黎世联邦理工学院主校区周围高度动态的城区收集的七个多月的数据进行了验证。本文的工作涉及两个研究领域:用于终身导航的地图更新和定位和测绘过程中动态障碍物的分割。由于激光处理和视觉处理中使用的技术还没有针对这些问题的共同解决方案，我们将把我们之前工作的调查限制在使用激光雷达数据的论文中

内容简介

本文提出了一种在线计算三维点是动态或静态的概率以及动态点的速度的方法。基于三维点云作为稀疏表示，我们使用贝叶斯模型来评估一个点是动态的还是静态的，这导致了一个更清晰的地图和更好的定位。我们还使用双非刚性ICP同时计算所有动态点的速度。该方法是无聚类和模型的，只有一个弱平滑假设，能够成功地评估动态对象的速度。

评价

xxxx我们还表明，地图中速度信息的整合揭示了交通或行人流的主要特征。这可以用于提取更高级别的语义信息，这对于动态环境中更高级的路径规划技术是必要的。例如，许多先进的防撞技术需要能够预测所有其他动态物体的轨迹。这通常是不可实现的，除非这些动态对象是由外部定位系统[17]跟踪的其他机器人，从而限制了这种技术的使用。我们的方法提供了动态障碍物的速度估计，以及过去观察的汇总知识，这些知识可以用来预测未来的行为，比如汽车在人行横道处减速的可能性。在未来的工作中，我们希望利用动态物体的时历史建立地图内运动的概率模型，如[18]中的2D摄像机模型，然后使用这些模型在拥挤的城市环境中进行安全的实时运动规划和导航。我们还将评估更大范围的参数，以定义它们对系统健壮性的影响，并提供更多关于其他人如何根据特定应用程序对它们进行调优的内部信息。我们相信，通过我们的方法，我们已经使先进的路径规划技术更接近现场机器人。