基于几何增量分割的快速准确语义建图
计算机视觉与模式识别
2018-03-08 v1 机器人学
摘要
我们提出一种高效且可扩展的方法，用于实时增量构建密集的、带语义标注的 3D 地图。所提方法将类概率分配给 3D 地图的每个区域而非每个元素（例如 surfel 和 voxel），该 3D 地图通过鲁棒的 SLAM 框架构建并经由基于几何的分割方法增量分割。与所有其他方法不同，我们的方法能够以超过 30Hz 运行，同时执行所有处理组件，包括 SLAM、分割、2D 识别和在每个传入帧更新每个分割标签的类概率，这得益于表征我们框架中计算密集型阶段的高效率。通过利用专门设计的 CNN 来改善逐帧分割结果，我们也能实现高准确率。我们在 NYUv2 数据集上通过与最先进方法在准确率和计算效率方面比较，以及通过时间和空间复杂度分析来验证我们的方法。
引用
@article{arxiv.1803.02784,
title = {Fast and Accurate Semantic Mapping through Geometric-based Incremental Segmentation},
author = {Yoshikatsu Nakajima and Keisuke Tateno and Federico Tombari and Hideo Saito},
journal= {arXiv preprint arXiv:1803.02784},
year = {2018}
}