论文地: http://arxiv.org/pdf/2105.11320v1.pdf
来源: the University of Bonn
论文名称:SuMa++: Efficient LiDAR-based Semantic SLAM
原文作者:Xieyuanli Chen
内容提要
可靠和准确的定位和建图是大多数自主系统的关键组成部分。除了映射环境的几何信息外,语义对实现智能导航行为也起着重要作用。在大多数现实环境中,由于移动对象引起的动态,这个任务特别复杂,这可能会破坏建图步骤或破坏定位。在本文中,我们提出了一种扩展最近发布的基于surfel的建图方法,通过集成语义信息来利用3D激光距离扫描来促进建图过程。语义信息通过完全卷积神经网络有效地提取,并在激光范围数据的球形投影上呈现。这个计算的语义分割结果导致整个扫描的逐点标签,允许我们建立带有标记的surfels的语义丰富的地图。这个语义图使我们能够可靠地过滤移动物体,同时通过语义约束改善投影扫描匹配。我们在具有挑战性的KITTI数据集公路序列上的实验评估显示,与纯几何的现有技术方法相比,我们的语义SLAM方法具有优势。
主要框架及实验结果
声明:文章来自于网络,仅用于学习分享,版权归原作者所有