通过在 3D 高斯图表示中使用解析的碰撞锥屏障函数实现感知集成的安全关键控制.pdfVIP

通过在3D高斯图表示中使用解析的

碰撞锥屏障函数实现感知集成的安全关键控制

DarioTscholl,YashwanthNakka,andBrianGunter

Abstract—我们提出了一种基于感知的安全滤波器，该滤供这种连续性，但它们的构建计算成本高昂，并可能

波器将每个3D高斯点阵(3DGS)转换为闭合形式的前向碰撞在碰撞检测[3]中引起潜在不准确。相比之下，辐射场

锥体，进而生成嵌入二次规划(QP)中的一个一阶控制屏障函

本质上编码了环境的连续描述。这使它们可微分，并

数(CBF)。通过利用点阵的解析几何学，我们的公式提供了一

种简单且计算高效的连续、闭合形式的碰撞约束表示。与基于允许独立于传感器数据密度的连续场景解释。

距离的CBF不同，后者倾向于在障碍物已经接近时才被动激近期的努力开始利用3DGS进行运动规划。例如，

活，我们的碰撞锥体CBF则主动激活，允许机器人更早地进行[4]中的作者将机器人和点云都建模为椭球体，并通过

本调整，从而以较低的计算成本实现平滑和安全的避障操作。我

译们在一个包含约17万个点阵的大规模合成场景中验证了该方椭圆相交测试来进行碰撞避免。类似的方法在[5]中推

法的有效性，其中我们的滤波器将规划时间减少了3倍，并且导出一个控制障碍函数（CBF），该函数基于机器人与

中与最先进的3DGS规划器相比显著降低了轨迹的冲击度，同高斯点云之间的最短欧几里得距离。其他工作将世界

1时保持相同的安全水平。此方法完全基于解析方式，无需高阶离散化为网格，并使用基于3D高斯[6]不透明信息的

vCBF扩展(HOCBFs)，并通过原理性的闵可夫斯基和膨胀自

1然推广到具有物理尺寸的机器人。这些特性使得该方法广泛适类似势场函数来计算网格节点的成本。[7]提出了一个

2

4用于复杂感知环境中的实时导航，包括空间机器人和卫星系统。机会约束公式，其中作者归一化了高斯点云并使用了

4一个透射率函数来制定碰撞概率的一个上限。

1I.介绍

9.在这封信中，我们论证说3D高斯点的几何属性

0辐射场表示，例如神经辐射场（NeRFs）[1]和3D尚未完全用于运动规划，因为先前的研究要么仅依赖

5高斯喷射（3DGS）[2]近期在计算机视觉领域吸引了大

2于基于距离的公式，要么采用完全概率的方法。我们

:量关注。这些方法能够实现高保真的新视图合成，详

v的关键观察是，鉴于3D高斯点的二次形状，我们可

i细的三维场景重建，并且它们自然支持定位和跟踪等

x以将每个高斯点转换为封闭形式的前向碰撞锥体。碰

r任务。辐射场是一个五维函数，它将一个3D点和一

a撞锥描述了一组最终会导致碰撞的相对速度。取碰撞

个视角映射到RGB颜色和不透明度值。NeRFs将此

锥的补集可以得到一个控制障碍函数(CBF)，该函数

功能建模为连续的体积表示并通过神经网络隐式学习

定义了一个无碰撞集合，因此提供了正式的安全保证。

其参数。尽管NeRFs能够实现高保真的重建，但它们

与基于距离的CBF相比，碰撞锥CBF不需要高阶扩

存在较长的训练时间。3DGS通过一组捕捉局部几何