基于 RGB-D 相机的高质量实例感知语义三维地图
机器人学
2019-11-22 v6
摘要
我们提出了一种利用 RGB-D 相机构建房间尺度室内环境详细实例级语义模型的建图系统。在本工作中，我们将基于深度学习的实例分割与分类集成到最先进的 RGB-D SLAM 系统中。我们以 ElasticFusion [1] 的流程为骨干，并提出了对配准代价函数的改进。所提出的目标函数具有可调的外观通道权重，该权重可从数据中学习。所得系统能够生成房间尺度环境的精确语义地图，并重建高度详细的物体级模型。所开发的方法已通过在 TUM RGB-D SLAM 基准和 YCB 视频数据集上的实验验证。我们的结果证实，与其他最先进系统相比，所提系统在轨迹估计、表面重建和分割质量方面表现更优。
引用
@article{arxiv.1903.10782,
title = {High-quality Instance-aware Semantic 3D Map Using RGB-D Camera},
author = {Dinh-Cuong Hoang and Todor Stoyanov and Achim J. Lilienthal},
journal= {arXiv preprint arXiv:1903.10782},
year = {2019}
}