语义SLAM在嵌入式系统中就绪吗？一项比较性综述
机器人学
2025-05-20 v1
摘要
在嵌入式系统中，机器人必须高效地感知和解释其环境，以可靠地应用于现实条件。视觉语义SLAM（同时定位与地图构建）通过将语义信息整合到地图中来增强标准SLAM，实现更有信息的决策。然而，在资源受限的硬件上实现此类系统涉及准确性、计算效率和能源使用之间的权衡。本文提供了近期语义视觉SLAM方法的比较综述，重点关注其针对嵌入式平台的适用性。我们分析了三种主要类型体系结构——几何SLAM、神经辐射场（NeRF）和 3D 高斯符点绘图——并评估了其在受限硬件（specifically NVIDIA Jetson AGX Orin）上的性能。我们比较了它们的准确性、分割质量、内存使用和能耗。我们的结果表明，基于 NeRF 和高斯符点绘图的方法在语义细节方面取得高水平，但需要大量计算资源，限制了其在嵌入式设备上的使用。相比之下，语义几何SLAM在计算成本和准确性之间提供了更实用的平衡。该综述突出了需要更适应嵌入式环境的SLAM算法的需求，并讨论了通过算法-硬件联合设计提高其效率的关键方向。
引用
@article{arxiv.2505.12384,
title = {Is Semantic SLAM Ready for Embedded Systems ? A Comparative Survey},
author = {Calvin Galagain and Martyna Poreba and François Goulette},
journal= {arXiv preprint arXiv:2505.12384},
year = {2025}
}