GRID-FAST: A Grid-based Intersection Detection for Fast Semantic Topometric Mapping

本文介绍了一种新的方法来构建拓扑地图，以实现移动机器人应用中的高效导航和决策。该方法从2D网格地图生成拓扑地图。拓扑地图将输入地图的区域分成不同的结构语义类别：交叉口、通道、死路和通向未探索区域的通道。该方法基于一种新的交叉口检测技术，以有意义的方式识别交叉口的区域和开口。该框架引入两个级别的预过滤，以最小的计算成本消除地图中的小开口和不重要的物体，这在高级地图分割和决策制定的背景下是无关紧要的。GRID-FAST生成的拓扑地图能够快速导航大规模环境，结构语义可以帮助任务规划、自主探索和人机协作。所提出方法的有效性通过在真实地图上进行验证得到证明：1）结构化室内环境，2）非结构化的类似洞穴的地下环境，和3）大规模的室外环境，包括通道、建筑物和分散的物体。此外，所提出的框架已与最先进的拓扑映射解决方案进行比较，并能够生成具有比下一个最佳解决方案少92%的节点的拓扑地图。

构建高效的机器人导航和决策系统，解决大规模环境下的地图生成和语义分割问题。

通过从2D网格地图生成拓扑地图，实现地图的结构-语义分类，包括交叉口、通道、死路和通往未探索区域的通道。同时，引入两级预过滤技术来消除不重要的小开口和物体，提高地图分割和决策的效率。

实验结果表明，该方法在室内、地下洞穴和室外等不同环境下都具有较好的性能，且能够比现有方法减少高达92%的节点数。此外，论文还提出了一种新的交叉口检测技术，能够以语义方式识别交叉口的区域和开口。

近期相关研究包括：1. Efficient Topological Navigation using Appearance-based Loop Closure Detection；2. A Robust and Efficient Topological Map for Large-scale Outdoor Environments；3. Semantic Topological Mapping for Mobile Robots in Large-scale Environments.