[论文解读] A Statistical Update of Grid Representations from Range Sensors

Luis Roldão, Raoul de Charette+1 more|arXiv (Cornell University)|Jul 23, 2018

Robotics and Sensor-Based Localization参考文献 14被引用 3

一句话总结

本文提出了一种基于测距传感器的3D网格地图统计更新方法，通过引入射线穿行距离和传感器密度的加权函数，提升了重建精度。该方法根据传感器到单元格的距离对测量值加权，并考虑每个单元格的所有射线交互，从而减少了离散化误差——尤其在地面区域表现更优，定性结果优于标准的OctoMap，且孔洞更少。

ABSTRACT

In a wide range of robotic applications, being able to create a 3D model of the surrounding environment is a key feature for autonomous tasks. In this research report, we present a statistical model to perform 3D reconstructions of the environment from range sensors using an occupancy grid. To do so, we take into account all the available information obtained from the sensor, considering the distances traversed by the rays in each cell and seeking to reduce reconstruction errors caused by discretization. The approach has been validated qualitatively using the KITTI dataset.

研究动机与目标

• 解决由单个传感器观测的二值单元格更新导致的3D占据网格地图离散化不准确问题。
• 通过利用射线路径信息和测量密度，减少地面和部分占据区域的重建误差。
• 通过基于传感器距离和射线穿行距离的统计加权，提升占据更新的准确性。
• 评估仅对未命中测量值（穿行射线）加权与对命中和未命中均加权对地图质量的影响。
• 为机器人3D重建中的体网格提供一种更准确、更具统计基础的更新机制。

提出的方法

• 该方法使用角分辨率和体素大小建模距离 d 处体素的预期穿行射线数量，定义密度函数 ρ(d) 以估计测量频率。
• 基于传感器距离应用加权函数 w(d)，降低远距离、稀疏观测的影响。
• 对于命中（撞击）情况，使用修改后的贝叶斯滤波更新占据概率，P_occ = 0.7；对于未命中，则使用 P_free = 0.4，两者均经 w(d) 调整。
• 在第二种方法中，仅对未命中测量值应用 w(d)，以减少长距离穿行射线对远处单元格的影响。
• 该方法与OctoMap的八叉树结构集成，使用 0.2m 的体素大小，并将概率限制在 0.12 到 0.97 之间。
• 加权函数的参数 γ = 32 通过Velodyne HDL-64E的传感器参数（φ_s = 0.4°, θ_s = 0.16°）进行调优。

实验结果

研究问题

• RQ1 结合射线穿行距离和传感器测量密度在多大程度上提升了3D网格地图的准确性？
• RQ2 仅对未命中测量值加权与对命中和未命中均加权对地图重建质量的影响有何不同？
• RQ3 统计更新模型是否能有效减少地面和部分占据区域的离散化误差？
• RQ4 与标准OctoMap相比，所提方法在孔洞形成和地图密度方面表现如何？
• RQ5 加权函数在多大程度上缓解了稀疏、远距离射线观测带来的误差？

主要发现

• 仅对未命中测量值加权的方法（图4c）在地面区域形成的孔洞少于标准OctoMap（图4a）和全加权方法（图4b）。
• 定性结果显示，对未命中加权可降低远距离、稀疏观测单元格的影响，从而实现更密集且更准确的环境重建。
• 对命中和未命中均加权（图4b）并未显著优于标准OctoMap，表明对命中加权可能无法有效解决离散化误差问题。
• 该方法通过优先考虑测量密度和射线路径信息，成功减少了离散化伪影，尤其在部分占据区域表现更优。
• 通过使用 0.2m 的体素大小并集成到现有的OctoMap八叉树结构中，该方法保持了计算可行性。
• 结果表明，对未命中测量值加权比对命中加权更有效，因为它可防止远距离、低置信度的穿行射线扭曲占据概率。