摘要
確定移動機器人的狀態(tài)是機器人導航系統(tǒng)中重要的組成部分。在本文中,我們提出了一種使用2D激光雷達在室內場景下估計機器人姿態(tài)的方法,并探討了如何將新型的場景表示模型整合到標準蒙特卡羅定位(MCL)系統(tǒng)中。在計算機視覺領域,神經輻射場 (Neural Radiance Fields, NeRF)是用一個隱式函數(shù)來表示環(huán)境。我們將NeRF這樣的隱式環(huán)境表示擴展到移動機器人二維室內定位任務中,提出了一種神經占據場,使用神經網絡來隱式的表示用于替代機器人定位任務中的二維地圖。
通過預訓練的神經網絡,我們可以渲染合成當前場景下任意機器人姿態(tài)所對應的的2D 激光掃描。基于該隱式地圖,我們提出了一個觀測模型來計算渲染和真實掃描之間的相似性,并將其集成到MCL系統(tǒng)中進行準確的定位。我們在一組自己收集的數(shù)據集和三個公開可用的數(shù)據集上進行評估。實驗結果證明我們的方法可以準確高效地估計機器人的姿態(tài),并在定位性能優(yōu)于現(xiàn)有的方法。實驗表明,所提出的隱式地圖模型能夠更準確的表示場景,從而提升了MCL系統(tǒng)中觀測模型的性能。
主要貢獻
我們提出了神經占據場,一種隱式場景表示模型,在該模型之上提出了一個高性能的觀測模型,并整合到基于2D 激光的全局定位系統(tǒng)之中; 我們通過多個數(shù)據集的實驗評估,實驗結果證明,與使用傳統(tǒng)場景表示模型(例如:占據柵格地圖,希爾伯特地圖)相比,我們的方法在機器人全局定位方面具有競爭力的性能,且能快速收斂,并實時運行。
主要方法
隱式場景表示
我們利用一組已知準確姿態(tài)的2D激光數(shù)據作為訓練樣本。如下圖所示,首先根據每一個樣本的姿態(tài)和2D激光雷達的內參設置計算得到激光雷達每一條射線的方向,接著在每一條射線上均勻采樣N個空間點。之后,神經網絡將采樣得到的每一個空間點p作為輸入,并輸出該空間點所對應的占據概率pocc。
最后,對于每一條射線,利用光線投射(ray-casting)算法根據采樣點的深度m及其占據概率pocc進行渲染得到射線所對應的深度值:
最終,估計出當前機器人姿態(tài)下可能會觀測到的2D激光掃描。接下來,我們通過計算幾何損失以及對預測的占據概率添加正則化來優(yōu)化神經網絡的參數(shù)。
幾何損失是2D激光掃描的估計值和觀測值之間的 L1損失:
占據概率的正則化通過計算一個負對數(shù)似然來約束占據概率的預測值接近于1(被占據)或0(不被占據):
最終,用與優(yōu)化神經網絡參數(shù)的損失函數(shù)為:
全局定位系統(tǒng)
當神經網絡訓練完成后,我們可以通過預測環(huán)境中任意機器人姿態(tài)所對應的2D激光觀測。因此,我們將其整合到MCL系統(tǒng)之中,作為一個MCL系統(tǒng)的觀測模型。MCL系統(tǒng)如下圖所示,為了確定機器人當前的姿態(tài),我們首先在當前場景下采樣一定數(shù)量的機器人姿態(tài),稱之為“粒子”,如圖中藍色圓環(huán)所示。
每一個粒子包含了一個假設的機器人姿態(tài)和一個權重。當機器人在環(huán)境中運行時,基于隱式表示的觀測模型將每一個粒子的姿態(tài)作為輸入,預測其在該姿態(tài)下的2D激光掃描,通過和真實的觀測值進行比對來更新粒子的權重,并在每一迭代中移除低權重的粒子,保留高權重的粒子。重復該過程,粒子最終會收斂到真實姿態(tài)周圍的一個小區(qū)域。我們最終通過對收斂后的粒子姿態(tài)進行加權平均后得到估計的機器人姿態(tài)。
主要結果
室內全局定位
我們將現(xiàn)有的蒙特卡洛定位算法作為基線,在我們收集的數(shù)據集上對比了全局定位的精度,實驗結果如下所示。實驗結果證明,對比于現(xiàn)有的室內定位算法,我們的方法在定位精度上達到了SOTA。此外,相比于之前的方法,我們的算法能更快的收斂。我們還補充了一個姿態(tài)追蹤實驗,用于證明我們的算法在不同量級的粒子數(shù)目下依然能表現(xiàn)出精確的定位能力。
觀測模型
我們在三個經典的室內數(shù)據集(Freiburg Building 079, Intel Lab, MIT CSAIL)對我們的觀測模型進行了評估。通過與基于柵格地圖的觀測模型進行對比,證明了隱式場景表示是一種更準確的地圖表示方法。當訓練數(shù)據較少時(如MIT CSAIL數(shù)據集),在預測沒有包含在訓練集中的區(qū)域時,隱式地圖展現(xiàn)出來更好的泛化能力。
審核編輯:劉清
-
機器人
+關注
關注
210文章
27847瀏覽量
204636 -
神經網絡
+關注
關注
42文章
4717瀏覽量
100025 -
激光雷達
+關注
關注
967文章
3863瀏覽量
188781
原文標題:基于隱式神經網絡NERF的室內激光雷達定位算法
文章出處:【微信號:3D視覺工坊,微信公眾號:3D視覺工坊】歡迎添加關注!文章轉載請注明出處。
發(fā)布評論請先 登錄
相關推薦
評論