Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Generation of Search Behavior by a Modification of Q-MDP Value Method Kapitel lesen Erstes Kapitel lesen

2016 | OriginalPaper | Buchkapitel

Exploiting Structural Properties of Buildings Towards General Semantic Mapping Systems

verfasst von : Matteo Luperto, Francesco Amigoni

Erschienen in: Intelligent Autonomous Systems 13

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Semantic mapping is one of the most active and promising research areas within autonomous mobile robotics. Informally, a semantic map associates a high-level human-understandable label (like “office” or “corridor”) to a portion of an environment. Most semantic mapping approaches are based on classifiers that, given some features perceived by robot sensors in a physical place, associate a semantic label to the place. These approaches are often tested on a limited number of homogeneous places (e.g., few rooms within a single building). This line of action seems to hinder the development of methods for constructing semantic maps that can be (re)used in a number of previously unseen environments. In this paper, we aim at contributing to make semantic mapping methods more general. In particular, we focus on indoor environments and we consider the following research question: to what extent are the semantic mapping approaches shown to label rooms in a single building expected to work when applied to different buildings?

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Robust Onboard Visual SLAM for Autonomous MAVs
Nächstes Kapitel A Kinect-Based Front-End for Graph-SLAM Using Plane Matching in Planar Indoor Environments
Fußnoten
2
We use parameters \(\textit{MinPts} = 6\) and \(\epsilon =3\); \(\epsilon \) is selected using a K-distance plot.
 
Literatur
1.
Galindo, C., Fernández-Madrigal, J., González, J., Saffiotti, A.: Robot task planning using semantic maps. Robot Auton Syst 56(11) (2008) 955–966
2.
Zender, H., Mozos, O., Jensfelt, P., Kruijff, G., Burgard, W.: Conceptual spatial representations for indoor mobile robots. Robot Auton Syst 56(6) (2008) 493–502
3.
Pronobis, A., Jensfelt, P.: Large-scale semantic mapping and reasoning with heterogeneous modalities. In: Proc. ICRA. (2012) 3515–3522
4.
Pronobis, A.: Semantic mapping with mobile robots. PhD thesis, KTH (2011)
5.
Han, J., Kamber, M., Pei, J.: Data mining: concepts and techniques. Morgan Kaufmann (2006)
6.
Thrun, S., Burgard, W., Fox, D.: Probabilistic Robotics. The MIT Press (2005)
7.
Pronobis, A., Mozos, O., Caputo, B., Jensfelt, P.: Multi-modal semantic place classification. Int J Robot Res 29(2–3) (2009) 298–320
8.
Stachniss, C., Mozos, O., Burgard, W.: Speeding-up multi-robot exploration by considering semantic place information. In: Proc. ICRA. (2006) 1692–1697
9.
Galindo, C., Saffiotti, A., Coradeschi, S., Buschka, P., Fernandez-Madrigal, J., González, J.: Multi-hierarchical semantic maps for mobile robotics. In: Proc. IROS. (2005) 2278–2283
10.
Mozos, O., Stachniss, C., Burgard, W.: Supervised learning of places from range data using AdaBoost. In: Proc. ICRA. (2005) 1730–1735
11.
Mozos, O., Triebel, R., Jensfelt, P., Rottmann, A., Burgard, W.: Supervised semantic labeling of places using information extracted from sensor data. Robot Auton Syst 55(5) (2007) 391–402
12.
Sjoo, K.: Semantic map segmentation using function-based energy maximization. In: Proc. ICRA. (2012) 4066–4073
13.
Costante, G., Ciarfuglia, T., Valigi, P., Ricci, E.: A transfer learning approach for multi-cue semantic place recognition. In: Proc. IROS. (2013) 2122–2129
14.
Aydemir, A., Jensfelt, P., Folkesson, J.: What can we learn from 38,000 rooms? Reasoning about unexplored space in indoor environments. In: Proc. IROS. (2012) 4675–4682
15.
Luperto, M., Quattrini Li, A., Amigoni, F.: A system for building semantic maps of indoor environments exploiting the concept of building typology. Proceedings of the “RoboCup International Symposium”, Eindhoven, The Netherlands, July 1 2013. In Behnke, S.; Veloso, M.; Visser, A.; Xiong, R. (editors); RoboCup 2013: Robot Soccer World Cup XVII, LNCS 8371, Springer, 2014, p. 504–515
16.
Rossi, A.: The architecture of the city. MIT Press (1984)
17.
Whiting, E., Battat, J., Teller, S.: Topology of urban environments. In: Proc. CAADFutures. (2007) 115–128
18.
Neufert, E., Neufert, P.: Architects’ data. Wiley-Blackwell (2012)
19.
Cipolleschi, R., Giusto, M., Quattrini Li, A., Amigoni, F.: Semantically-informed coordinated multirobot exploration of relevant areas in search and rescue settings. In: Proc. ECMR. (2013) 216–221
20.
Rosenberg, A., Hirschberg, J.: V-measure: A conditional entropy-based external cluster evaluation measure. In: Proc. EMNLP-CoNLL. Volume 7. (2007) 410–420
Metadaten
Titel
Exploiting Structural Properties of Buildings Towards General Semantic Mapping Systems
verfasst von
Matteo Luperto
Francesco Amigoni
Copyright-Jahr
2016
Buch
Intelligent Autonomous Systems 13

Print ISBN: 978-3-319-08337-7

Electronic ISBN: 978-3-319-08338-4

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-3-319-08338-4_28