Manhattan World Constraint for Indoor Line-based Mapping Using Ultrasonic Scans
Notice bibliographique
Résumé
Ultrasonic rangefinders are low-cost sensors that have been utilized in the past to perform mapping, localization and Simultaneous Localization and Mapping (SLAM). Ultrasonic has a low angular resolution, and it is challenging to identify and correspond features in ultrasonic scans. In the past, occupancy mapping has been proposed to address this issue. However, for the localization of the sensor with respect to such occupancy grids, post-processing for landmark identification is required (which increases the computational cost). In contrast to the occupancy grid approach, direct feature-based mapping methods are also proposed in the literature, where landmarks are extracted using many consecutive ultrasonic sensor scans instead of using a single sparser scan. In this article, a novel direct feature-based mapping method using ultrasonic sensors in the indoor manmade environment is proposed. The proposed method utilizes the prior knowledge of the structure of indoor environments (such as most houses or warehouses), where the walls are either parallel or perpendicular (Manhattan World Constraint (MWC)). This prior knowledge is used with multiple consecutive ultrasonic scans to provide accurate line-based maps. Compared to the occupancy grid mapping, the proposed method avoids the discretization of the point cloud coordinates (which can be a source of inaccuracy). Further, it does not require a second step for landmark detection. Compared to the direct feature-based methods, which are general-purpose, our approach is the first method- to the best of the authors' knowledge- that imposes MWC to map using panoramic ultrasonic scans. The accuracy of the proposed mapping method is demonstrated in a cluttered indoor environment. The results indicate that the proposed method accurately detects and distinguishes most edges and corners.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».