评估语义分割与位姿估计对稠密语义SLAM的影响
机器人学
2021-12-30 v1
摘要
近期的语义SLAM方法将经典的基于几何的估计与基于深度学习的物体检测或语义分割相结合。本文评估了最先进的类别级和实例级稠密语义SLAM算法（其代码公开可用）所生成的语义地图的质量，并探究了语义分割和位姿估计对语义地图质量的影响。我们通过向算法提供来自仿真环境的地面真实位姿和/或语义分割数据来获得这些结果。我们的实验确定，语义分割是最大的误差来源，使mAP和OMQ性能分别下降高达74.3%和71.3%。
引用
@article{arxiv.2109.07748,
title = {Evaluating the Impact of Semantic Segmentation and Pose Estimation on Dense Semantic SLAM},
author = {Suman Raj Bista and David Hall and Ben Talbot and Haoyang Zhang and Feras Dayoub and Niko Sünderhauf},
journal= {arXiv preprint arXiv:2109.07748},
year = {2021}
}
备注
Paper accepted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2021