Depth sensors have been used extensively for perception in robotics. Typically these sensors have a fixed angular resolution and field of view (FOV). This is in contrast to human perception, which involves foveating: scanning with the eyes’ highest angular resolution over regions of interest (ROIs). We build a scanning depth sensor that can control its angular resolution over the FOV. This opens up new directions for robotics research, because many algorithms in localization, mapping, exploration, and manipulation make implicit assumptions about the fixed resolution of a depth sensor, impacting latency, energy efficiency, and accuracy. Our algorithms increase resolution in ROIs either through deconvolutions or intelligent sample distribution across the FOV. The areas of high resolution in the sensor FOV act as artificial fovea and we adaptively vary the fovea locations to maximize a well-known information theoretic measure. We demonstrate novel applications such as adaptive time-of-flight (TOF) sensing, LiDAR zoom, gradient-based LiDAR sensing, and energy-efficient LiDAR scanning. As a proof of concept, we mount the sensor on a ground robot platform, showing how to reduce robot motion to obtain a desired scanning resolution. We also present a ROS wrapper for active simulation for our novel sensor in Gazebo. Finally, we provide extensive empirical analysis of all our algorithms, demonstrating trade-offs between time, resolution and stand-off distance.

中文翻译：

---

用于扫描深度传感器的自适应中央凹

深度传感器已广泛用于机器人技术中的感知。通常，这些传感器具有固定的角分辨率和视场 (FOV)。这与人类感知形成对比，后者涉及注视点：以眼睛的最高角度分辨率扫描感兴趣区域 (ROI)。我们构建了一个扫描深度传感器，可以控制其在 FOV 上的角分辨率。这为机器人研究开辟了新的方向，因为定位、映射、探索和操作中的许多算法都对深度传感器的固定分辨率做出了隐含的假设，从而影响了延迟、能源效率和准确性。我们的算法通过反卷积或整个 FOV 的智能样本分布来提高 ROI 的分辨率。传感器 FOV 中的高分辨率区域充当人工中央凹，我们自适应地改变中央凹位置以最大化众所周知的信息理论测量。我们展示了新的应用，例如自适应飞行时间 (TOF) 传感、LiDAR 变焦、基于梯度的 LiDAR 传感和节能 LiDAR 扫描。作为概念验证，我们将传感器安装在地面机器人平台上，展示了如何减少机器人运动以获得所需的扫描分辨率。我们还提供了一个 ROS 包装器，用于在 Gazebo 中为我们的新型传感器进行主动模拟。最后，我们对所有算法进行了广泛的实证分析，展示了时间、分辨率和隔离距离之间的权衡。我们展示了新的应用，例如自适应飞行时间 (TOF) 传感、LiDAR 变焦、基于梯度的 LiDAR 传感和节能 LiDAR 扫描。作为概念验证，我们将传感器安装在地面机器人平台上，展示了如何减少机器人运动以获得所需的扫描分辨率。我们还提供了一个 ROS 包装器，用于在 Gazebo 中为我们的新型传感器进行主动模拟。最后，我们对所有算法进行了广泛的实证分析，展示了时间、分辨率和隔离距离之间的权衡。我们展示了新的应用，例如自适应飞行时间 (TOF) 传感、LiDAR 变焦、基于梯度的 LiDAR 传感和节能 LiDAR 扫描。作为概念验证，我们将传感器安装在地面机器人平台上，展示了如何减少机器人运动以获得所需的扫描分辨率。我们还提供了一个 ROS 包装器，用于在 Gazebo 中为我们的新型传感器进行主动模拟。最后，我们对所有算法进行了广泛的实证分析，展示了时间、分辨率和隔离距离之间的权衡。