定向网格地图：建模动态环境中多模态角度不确定性

Sep, 2018

定向网格地图：建模动态环境中多模态角度不确定性

Directional grid maps: modeling multimodal angular uncertainty in dynamic environments

Ransalu Senanayake, Fabio Ramos

TL;DR本文提出了一种方向网格地图来表示环境的长期角运动，并描述如何利用这种理论来模拟空间域，时间域和时空域的角变化，并在具有不同传感器类型的不同机器人上进行了实验证明。

Abstract

Robots often have to deal with the challenges of operating in dynamic and sometimes unpredictable environments. Although an occupancy map of the environment is sufficient for navigation of a mobile robot or manipulation tasks with a robotic arm in static environments, robots operating in dynamic environments demand richer information to improve robustness, e

robotic mapping directional grid maps angular motion spatiotemporal domain robot sensors

发现论文，激发创造

动态环境下移动机器人的马尔可夫定位

本文介绍了一种针对动态环境的 Markov 定位算法，它能够在表征机器人环境中所有位置的概率密度的基础上精确地确定机器人的位置，并且能够从弱化的环境模型和嘈杂的传感器中恢复定位。

Jun, 2011

利用循环神经网络进行动态占用栅格地图构建

本研究提出了一种使用循环神经网络进行动态占用栅格地图预测的方法，通过模拟车辆周围环境来得出静态和动态区域，并且使用了自我运动补偿的方法，从而实现了更为精确的速度估计和更可靠的环境分离。

Nov, 2020

利用先验信息和语义辅助占据栅格地图进行车辆运动预测

通过将场景表示为动态占据栅格图（dynamic occupancy grid maps，DOGMs），将语义标签与占用的栅格单元关联并结合地图信息，我们提出了一个结合深度学习的时空和概率方法的新型框架来预测车辆行为，并通过与真实注释进行评估，在真实世界的 NuScenes 数据集上验证了我们的结果，表明我们的模型相对于传统的 OGM 预测方法，能够更准确地预测静态和动态车辆的行为，此外，我们进行了消融研究，并评估了语义标签和地图在架构中的作用。

Aug, 2023

机器人中估计不确定的空间关系

提出一种叫做随机地图的空间信息表示方法，通过建立、读取、增量更新等过程实现不确定空间关系的概率估计。这种方法基于状态估计和滤波理论，具有广泛的扩展性。

Mar, 2013

利用循环神经网络在静态环境中对占据栅格地图进行运动估计

使用递归神经网络模拟车辆环境为动态格网图，从激光雷达测量的占用概率图中估计转向和刹车车辆的速度，提供更加一致和准确的速度估计。

Sep, 2019

面向城市自主驾驶的动态占据栅格预测：一种基于深度学习的全自动标注方法

本文提出了一种利用贝叶斯滤波技术的环境表示和深度卷积神经网络作为长期预测器相结合的方法，针对复杂的市区情景进行预测，通过像素平衡处理以及自动生成标签等方法实现了无监督学习用于多种道路用户的长期预测。

May, 2017

面向对象语义地图的有意义地图绘制

本文讨论了智能机器人如何同时理解环境的几何和语义属性，以构建包含物体级别实体和基于点或网格的几何表示的环境地图。作者的系统结合 RGB-D SLAM、深度学习目标检测和 3D 非监督分割等技术，同时构建几何点云模型和包含这些物体模型的地图。