基于三维场景流与闭式贝叶斯推断的动态语义占据建图
机器人学
2022-09-08 v2 计算机视觉与模式识别
摘要
本文报道了一种动态语义建图框架，该框架将三维场景流测量融入闭式贝叶斯推断模型。环境中动态物体的存在会在当前建图算法中导致伪影与痕迹，从而造成地图后验的不一致。我们利用基于深度学习的最先进语义分割与三维流估计，为地图推断提供测量值。我们开发了一种贝叶斯模型，利用流传播场景并推断出一个三维连续（即可以以任意分辨率查询）语义占据地图，其性能优于其静态对应版本。使用公开数据集的大量实验表明，所提框架相比其前代方法以及来自深度神经网络的输入测量值均有一致性的改进。
引用
@article{arxiv.2108.03180,
title = {Dynamic Semantic Occupancy Mapping using 3D Scene Flow and Closed-Form Bayesian Inference},
author = {Aishwarya Unnikrishnan and Joey Wilson and Lu Gan and Andrew Capodieci and Paramsothy Jayakumar and Kira Barton and Maani Ghaffari},
journal= {arXiv preprint arXiv:2108.03180},
year = {2022}
}