jiweinanyi的博客

摘要本文主要是提出了一种面向大规模场景主动探索问题的方法，融合了基于边界的策略和RH-NBVP的方法。后者在局部区域中的探索具有较大的优势，而前者在引导机器人进行全局探索方面具有优势，因此作者将两者结合起来。这是基本的思想。当然了，其中也针对效率做了一些优化。首先，根据RRT的扩展去保存一些未被探索的含有增益的边界点。文中相当一部分利用高斯过程对空间点的增益进行建模与计算，个人认为对于实际应用过程中，意义不大。全局引导加上局部探索，是核心。...

前言最近的工作主要集中在地形建模与主动探索上面，目前主要以BKG为框架，下面对代码所使用的变量进行整理。首先是地图方面的参数，地图是以0.1分辨率的栅格构成的，上一层是1m分辨率的Cube，再上面才是全局地图mapResolution=0.1m 地图栅格分辨率mapCubeLength=1.0m 地图cube的大小mapCubeArrayLength=mapCubeLength/mapResolution=10 每个Cube包含多少个栅格mapArrayLength = 2000/mapCu

下面对traversability_map节点进行学习。首先看main函数，创建了一个节点。int main(int argc, char** argv){ ros::init(argc, argv, "traversability_mapping"); TraversabilityMapping tMapping; std::thread predictionThread(&TraversabilityMapping::TraversabilityThre

Bayesian Generalized Kernel Inference for Terrain Traversability Mapping论文解读基于贝叶斯广义核推理的地形建模是机器人领域做地形建模的重要文章之一，在实时性和精度方面都取得了较好的效果。在对其代码进行解读之前，先谈几点思考。围绕机器人环境感知与导航，有很多工作可以做，但是可供选择的方法框架是有限的，当然了在机器人领域很多问题归根到底就是信息的滤波/状态估计/规划与控制问题，最核心的就是优化问题。在机器人领域，如何做的更深，更加具有创

摘要维护一个一致性的环境稠密地图对于机器人进行高层次决策是重要的。然而，在长时空的建图过程中，累积漂移误差将导致地图不一致性。本文提出了一个新的稠密建图方法，解决建图一致性挑战的时候实现了可扩展性。我们方法的中心是将环境表示为一个TSDF子地图的集合。这些子地图通过基于特征的相机跟踪和BA优化进行定位。我们的主要贡献在于一个能够识别地图中稳定区域的pipeline，以及对子地图的融合。所提出的方...