Categorized Grid and Unknown Space Causes for LiDAR-based Dynamic Occupancy Grids

占据栅格在环境感知中被广泛使用，因为它们可以模拟场景中的障碍物、自由空间和未知空间。近年来，由于需要更好地理解情况，对未知空间的兴趣日益增长。尽管占据栅格多年来已经得到了许多扩展以应对新兴需求，但目前很少有作品超越了未知空间区域的界定，试图融入更多的信息。本研究在已经成熟的基于激光雷达的动态占据栅格的基础上，引入了一个补充的分类栅格，使用语义标签传达其估计，并为未知空间的可能原因增加新的见解。所提出的分类首先通过占据情况将空间分割，然后进一步对占据和未知空间进行分类。占据空间基于其动态状态和可靠性进行标记，而未知空间根据其可能的原因进行标记，无论是来自感知系统固有的限制，还是来自环境引起的限制或其他原因。所提出的分类栅格在现实场景中展示了其对于更好地理解情况的有用性。

本文旨在通过引入Categorized Grid来扩展LiDAR-based Dynamic Occupancy Grid，以更好地理解未知空间的可能原因。

该论文提出了一种新的分类方法，将空间按占用状态分成占用空间和未知空间，并根据动态状态和可靠性对占用空间进行标记，对未知空间进行可能原因的标记。

该论文在真实场景中展示了Categorized Grid的实用性，实验设计合理，提供了数据集和开源代码。该研究为未知空间的理解提供了新的思路。

最近的相关研究包括：1.《A Survey of Occupancy Grids for Robotics: From Feature-Based to Learning-Based Approaches》；2.《Semantic Occupancy Grids for Efficient Representation of Large-Scale Outdoor Environments in Mobile Robots》；3.《Occupancy Grids: A Probabilistic Framework for Robot Perception and Navigation》。