面向语义SLAM的精确目标关联与位姿更新
计算机视觉与模式识别
2021-12-21 v3
摘要
当前疫情导致医疗系统在高负荷下运转。为缓解该状况，可使用高自主性的机器人在医院中有效执行无接触操作，并减少医护人员与患者之间的交叉感染。尽管语义同步定位与建图（SLAM）技术能够提升机器人的自主性，但语义目标关联仍是一个值得研究的问题。解决该问题的关键在于利用语义信息正确关联同一目标路标下的多次目标观测，并实时精化目标路标的位姿。为此，我们提出了一种分层目标关联策略与一种位姿精化方法。前者包含两层，即短期目标关联与全局目标关联。在第一层，我们采用多目标跟踪进行短期目标关联，借此可避免位置相近、外观相似的目标之间发生错误关联。此外，短期目标关联可为第二层的全局目标关联提供更丰富的目标外观与更鲁棒的目标位姿估计。为精化地图中的目标位姿，我们提出了一种从与某一目标路标关联的所有目标观测中选取最优目标位姿的方法。所提方法在七个模拟医院序列1、真实医院环境及KITTI数据集上进行了综合评估。实验结果表明，我们的方法在语义SLAM的目标关联与轨迹估计方面，鲁棒性与精度均有明显提升。
引用
@article{arxiv.2012.11368,
title = {Accurate Object Association and Pose Updating for Semantic SLAM},
author = {Kaiqi Chen and Jialing Liu and Qinying Chen and Zhenhua Wang and Jianhua Zhang},
journal= {arXiv preprint arXiv:2012.11368},
year = {2021}
}
备注
11 pages, 6 figures, 6 tables