Semantic mapping and navigation: A Bayesian approach

Abstract

We propose Bayesian approaches for semantic mapping, active localization and local navigation with affordable vision sensors. We develop Bayesian model of egocentric semantic map which consists of spatial object relationships and spatial node relationships. Our topological-semantic-metric (TSM) map has characteristic that a node is one of the components of a general topological map that contains information about spatial relationships. In localization part, view dependent place recognition, reorientation and active search are used for robot localization. A robot estimates its location by Bayesian filtering which leverages spatial relationships among observed objects. Then a robot can infer the head direction to reach a goal in the semantic map. In navigation part, a robot perceives navigable space with Kinect sensor and then moves to goal location while preserving reference head direction. If obstacles are founded in front, then a robot changes the head direction to avoid them. After avoiding obstacles, a robot performs active localization and finds new head direction to goal location. Our Bayesian navigation program provides how a robot should select either an action for following line of moving direction or action for avoiding obstacles. We show that a mobile robot successfully navigates from starting position to goal node while avoiding obstacles by our proposed semantic navigation system with TSM map.

Environment Mapping Algorithm Using Semantic Description and Constrained Delaunay Triangulation

“…The article [8] presents a comprehensive solution that builds a 3D map based on a multistage analysis of a point cloud. The authors in [9] develop a hybrid method of mapping relative spatial correlations and Bayesian inference about self-localization. In [10], the authors propose introduction of semantic information into the optimization process of an environmental map based on the highest probability function.…”

Principios matemáticos del comportamiento natural

“…Una propuesta para llevar a cabo razonamiento cualitativo sobre orientación está basada en la Orient Point Relation Algebra (OPRA m ) con granularidad ajustable [136]. Otra propuesta ha sido el uso de un mapa de métrica-semántica-topológica [269]. Esta sección presenta los resultados que se han obtenido en el programa RMMNT sobre cómo nociones topológicas cualitativas pueden ser usadas para tomar decisiones de giro.…”

ระบบนำทางหุ่นยนต์ด้วยหลายตัวนำทางย่อยและหลายแผนที่ย่อย

“…งานวิ จั ยที ่ เกี ่ ยวข้ องกั บการระบุ ตํ าแหน่ งและสร้ างแผนที ่ แต่ ยั งไม่ มี แนวคิ ดที ่ เหมื อนกั บงานวิ จั ยที ่ นํ าเสนอในวิ ทยานิ พนธ์ ฉบั บนี ้ [19], [20], [21], [22], [23], [24] ผลงานของงานในวิ ทยานิ พนธ์ ฉบั บนี ้ แบ่ งออกเป็ น [25] การนํ าทางหุ ่ นยนต์ ภายในอาคารด้ วยข้ อมู ลเลเซอร์ [13] หุ ่ นยนต์ ที ่ พยายามเคลื ่ อนที ่ ระหว่ างชั ้ นด้ วยลิ ฟต์ โดยสารต้ องมี ความสามารถในการค้ นหาปุ ่ มหน้ า ลิ ฟต์ , เลื อกตํ าแหน่ งและเส้ นทางในการเข้ าออกลิ ฟต์ และกดปุ ่ มเลื อกชั ้ นปลายทาง [26] [27] [12] การเดิ นเลี ยบกํ าแพงโดยใช้ ข้ อมู ลจากอุ ปกรณ์ วั ดระยะทางด้ วยเสี ยง [28] [22] ระบบที ่ ต้ องใช้ งานจริ งมี ความจํ าเป็ นในการดู แลระบบระยะยาว กระบวนการหนึ ่ งที ่ สํ าคั ญคื อ การปรั บปรุ งแผนที ่ ให้ ทั นสมั ยอยู ่ เสมอและสามารถจํ าแนกการเปลี ่ ยนแปลงระยะสั ้ นและการ เปลี ่ ยนแปลงระยะยาวของแผนที ่ ได้ [16] ทฤษฎี กราฟ [29] [4], [5] หุ ่ นยนต์ บริ การที ่ ทํ างานในเขตเมื องมั กประกอบด้ วยอุ ปกรณ์ ต่ อไปนี ้ ระบบกํ าหนดตํ าแหน่ งบนโลก(gps), เลเซอร์ สแกน(lildar), อุ ปกรณ์ วั ดระยะด้ วยคลื ่ นเสี ยง(sonar), กล้ องวี ดี โอ ดั งนั ้ นโปรแกรมการสร้ างแผนที ่ และระบุ ตํ าแหน่ งที ่ พบเห็ นได้ บ่ อยในหุ ่ นยนต์ บริ การในเขต เมื องจึ งมั กอ้ างอิ งกั บอุ ปกรณ์ เหล่ านี ้ เช่ น การสร้ างแผนที ่ จากข้ อมู ลภาพถ่ ายทางอากาศและระบุ ตํ าแหน่ งด้ วยข้ อมู ลจาก gps [25], การสร้ างแผนที ่ สองมิ ติ ด้ วยเลเซอร์ สแกนและระบุ ตํ าแหน่ งด้ วย อุ ปกรณ์ เดี ยวกั น [13], การสร้ างแผนที ่ และระบุ ตํ าแหน่ งในลิ ฟต์ [26] การวางแผนเส้ นทางต้ องอาศั ยข้ อมู ลแผนที ่ และขอบเขตความสามารถของหุ ่ นยนต์ เพื ่ อสร้ าง เป็ นแผนที ่ ความสามารถในการเคลื ่ อนที ่ ของหุ ่ นยนต์ เมื ่ อมี ภารกิ จให้ หุ ่ นยนต์ เคลื ่ อนที ่ ไปยั งตํ าแหน่ งใด ตํ าแหน่ งหนึ ่ งจึ งมี การค้ นหาเส้ นทางในแผนที ่ ดั งกล่ าว แผนที ่ ความสามารถในการเคลื ่ อนที ่ มั กถู กสร้ าง จากแผนที ่ สํ าหรั บการระบุ ตํ าแหน่ งมี รู ปแบบแผนที ่ ที ่ พบเห็ นบ่ อย เช่ น แผนที ่ ตารางสองมิ ติ (grid map) [13], แผนที ่ ปริ มาตรสามมิ ติ (voxel map) [30], แผนที ่ กราฟ [11]…”