高斯过程映射不确定建筑模型，GMM作为先验
摘要：建议使用含有不确定性表示的地图绘制，尤其是用于定位。尽管对于带有地图信息的自我机器人位姿估计的不确定性进行了许多研究，但往往忽略了参考地图的质量。为了避免由于地图错误和缺乏不确定性量化而导致的潜在问题，需要对地图进行适当的不确定性度量。在本信中，提出了使用高斯过程(GPs)描述地图不确定性的概率方法来描述地图表面的不确定性建模。为了减少简单平面对象的冗余计算，从高斯混合模型(GMM)中提取的面片与隐式GP地图相结合，同时采用局部GP块技术。在由移动映射系统收集的城市建筑物的激光雷达点云上评估了所提出的方法。与其他方法（如OctoMap，GP Occupancy Map (GPOM)，Bayesian Generalized Kernel OctoMap (BGKOctoMap)，Local automatic relevance determination Hilbert map (LARD-HM)和 Gaussian Implicit Surface map (GPIS)）相比，我们的方法在评估的建筑物中实现了更高的Precision-Recall AUC。
作者：Qianqian Zou, Claus Brenner, Monika Sester
论文ID：2212.07271
分类：Robotics
分类简称：cs.RO
提交时间：2023-08-30