以下内容来自小六的机器人SLAM学习圈知识星球每日更新内容

(资料图片仅供参考)

点击领取学习资料 → 机器人SLAM学习资料大礼包

#论文# Loop Closure Detection Based on Object-level Spatial Layout and Semantic Consistency

论文地址：https://arxiv.org/abs/2304.05146

作者单位：上海交通大学

视觉同步定位与建图(SLAM)系统面临着在大视点变化情况下检测回环的挑战。本文提出了一种基于三维场景图空间布局和语义一致性的基于对象的回环检测方法。首先，我们提出了一种基于语义标签、交集超过并集(IoU)、对象颜色和对象嵌入的语义信息的对象级数据关联方法。随后，利用关联对象的多视图BA，共同优化对象和相机的姿态。我们将细化后的对象表示为具有语义和拓扑的三维空间图。然后，我们提出了一种基于顶点邻居的结构布局和语义属性相似度的图匹配方法来选择对应对象。最后，我们在对象级位姿图优化中联合优化相机轨迹和物体姿态，从而得到全局一致的地图。实验结果表明，在视点变化较大的情况下，我们提出的数据关联方法可以构建更准确的三维语义地图，并且我们的闭环方法比基于点和基于对象的方法更具鲁棒性。

本文贡献如下：

1、一种基于三维场景图拓扑结构和几何匹配的回环检测方法，利用物体及其邻居的信息构建空间布局一致性和语义属性一致性的三维拓扑结构。

2、一种对象级数据关联方法，该方法融合了语义标签、包围框借据、对象颜色编码和对象级嵌入等信息。该方法构建了对相机视点变化具有鲁棒性的三维语义图。

3、完整的可视化SLAM系统，在各种视点条件下的基准数据集下进行验证。实验结果表明，在视点变化较大的情况下，该系统在精度和鲁棒性方面优于现有的基于外观和基于对象的SLAM系统。

以上内容来自小六的机器人SLAM学习圈知识星球每日更新内容