ZUSAMMENFASSUNG Diese Arbeit präsentiert fortschrittliche Methoden zur Echtzeitanalyse und -kartierung von Terrain in autonomen Robotersystemen. Der Schwerpunkt liegt auf der appearances-basierten Terrainbeurteilung und der geometriebasierten Terrainverfolgbarkeitsanalyse. Im appearances-basierten Ansatz wird ein verbessertes Segmentierungsmodell unter Verwendung pixelbasierter Augmentierung und 13 einzigartigen Klassen vorgeschlagen, um eine zuverlässige Terrainklassifikation zu gewährleisten. Semantische Bilder werden auf eine 2,5D-Karte projiziert, indem zweidimensionale Bilddaten in ein dreidimensionales Koordinatensystem transformiert werden. Der geometriebasierte Ansatz umfasst die Tiefenschätzung mit Stereo-Kameras, wobei drei Zed-2-Kameras und die Depth Sensing API verwendet werden. Die Forschung trägt zur Verbesserung der Wahrnehmung und Entscheidungsfindung von autonomen Robotern in komplexen und dynamischen Umgebungen bei und bietet zudem einen neuen umfassenden Datensatz namens CranfieldTerra. Experimentelle Ergebnisse bestätigen die Wirksamkeit der vorgeschlagenen Methoden und zeigen deren Potenzial in verschiedenen Anwendungen, z. B. bei der Suche und Rettung, in der Landwirtschaft und bei Erkundungen. Diese Studie legt eine Grundlage für weitere Fortschritte in der autonomen Robotik und verbessert deren Fähigkeit, sicher und effizient in herausfordernden Terrains zu navigieren.
Beyçimen et al. (Mon,) untersuchten diese Frage.