AVM-SLAM：基于鸟瞰图多传感器融合的语义视觉 SLAM 用于自动代客泊车
机器人学
2024-07-02 v2
摘要
在具有昏暗光照、纹理稀疏、结构重复、动态场景且无 GPS 的复杂车库环境中实现精确定位，对自动代客泊车（AVP）任务至关重要。针对这些挑战，本研究提出 AVM-SLAM，一种基于鸟瞰图（BEV）多传感器融合的尖端语义视觉 SLAM 架构。该新颖框架协同四路鱼眼相机、轮速编码器与惯性测量单元（IMU）的能力，构建鲁棒的 SLAM 系统。我们方法的独特之处在于在 BEV 图像中实施眩光去除技术，显著增强卷积神经网络对道路标线的检测与语义特征提取，从而实现更优建图与定位。我们还首创语义预筛选（SPQ）模块，旨在妥善应对重复纹理环境带来的挑战，进而提升回环检测与系统鲁棒性。为验证 AVM-SLAM 的有效性与韧性，我们发布了一个专用的地下车库多传感器高分辨率数据集，访问地址为 https://yale-cv.github.io/avm-slam_dataset，以鼓励在类似场景下对我们方法的进一步探索与验证。
引用
@article{arxiv.2309.08180,
title = {AVM-SLAM: Semantic Visual SLAM with Multi-Sensor Fusion in a Bird's Eye View for Automated Valet Parking},
author = {Ye Li and Wenchao Yang and Dekun Lin and Qianlei Wang and Zhe Cui and Xiaolin Qin},
journal= {arXiv preprint arXiv:2309.08180},
year = {2024}
}
备注
Accepted by IROS 2024