一种纠正占用网格图缺陷的新策略

位于巴西的Universidade FederaldoEspíritoSanto(UFES)Universidade FederaldoAlpéDesempenho(LCAD)的研究人员已经设计出一种新的策略，通过纠正传感器无法观察到的地图单元的无效占用概率来纠正占用网格图中的缺陷。这种被称为地图衰变的新技术受到人脑记忆结构的当前经验知识的启发。

“我们LCAD研究团队的长期目标是了解人类的大脑是如何工作的，”进行这项研究的研究人员之一Alberto Ferreira De Souza告诉TechXplore。“我知道，这是一个非常雄心勃勃的目标，所以为了解决这个问题，我们做了科学上常见的事情。也就是说，我们设想将大脑理解为一系列里程碑，并从第一个开始。在我们的案例中。 ，它是尝试和理解视觉认知，我们使用我们的视觉来理解世界和世界观的能力。“

这个雄心勃勃的研究项目大约在15年前开始，最初使用静态图像，然后使用移动机器人上的相机拍摄的动态图像。后来，研究人员开始研究自动驾驶汽车并最终建造了自己的汽车，名为IARA(智能自主机器人汽车)。

“在这项工作中，我们在大脑中寻找灵感来提出改进现有算法，这些算法涉及自动驾驶汽车的地图处理，”De Souza说。“大脑及其功能是从认知心理学的角度进行分析的;尤其是与记忆有关的不同程度的认知过程：感觉记忆，短期记忆(或工作记忆)和长期记忆。”

人类能够将信息存储在他们的记忆中并在需要时回忆它。这种基本能力使物理程序的执行和长期目标的实现成为可能。然而，与记忆过去的事物一样重要的是忘记无关信息的能力，将注意力集中在有助于解决当前任务或问题的事物上。

“我们分析了被认为存在于人类大脑中的视觉记忆体系结构与在自动驾驶汽车中构建地图的过程之间的相似性，”De Souza说。“受这些相似之处的启发，我们提出了一种新的策略，用于从占用网格图中消除在线噪声，我们将其称为地图衰减。”

地图衰减的工作原理是将运行时(即系统在线时)获得的感官信息与离线构建的高精度地图中的先前数据合并。根据传感器是否观察到地图单元来强调在线或离线数据。

“使用传统的占用网格映射技术更新了传感器观测到的细胞，”De Souza解释道。“调整未观察到的细胞，使其占用概率趋于离线地图中的值。这种调整的效果是地图的不可观测区域中在线信息的明显衰落或衰减，同时高精度保留离线信息。“

这种策略背后的想法是，关于不可观察的地图单元的最精确的可用信息是在高精度离线地图中找到的值。UFES已将地图衰减应用于其IARA自动驾驶汽车，初步测试产生了非常有希望的结果。

“地图衰减消除了在线占用网格地图的不完美之处，”de Souza说。“这些缺陷有几个原因。例如，当动态物体穿过地图的单元格时，它们的占用概率会提高。由于自动驾驶汽车的运动，这些细胞可能不再被观察到，导致没有删除的地图。“

Souza解释说，由于自然传感器错误，当检测到错误障碍时也会发生同样的问题。如果再次观察不到细胞，无论是因为机器人正在移动还是因为这些细胞位于感觉盲点内，都不会纠正占用概率。

使用反映人类记忆过程的策略，地图衰减有效地消除了这些不完美之处。就像人类的大脑一样，它会释放不再需要的信息，并通过填充长期知识来理解不完整的感官数据，这些知识存储在精确的离线地图中。

“我们总是尝试对问题实施最先进的解决方案，然后尝试使用神经网络重新实现它，这是我们首选的模拟大脑的范例，”De Souza说。“作为未来的工作，我们将研究如何使用深度神经网络实现整个映射过程，包括地图衰减。”