水下环境中未知物体的光电声学语义SLAM

尽管语义同步定位与建图(SLAM)在陆地和空中应用中取得了最新进展，但由于水下独特的传感模式和物体类别，水下语义SLAM仍是一个开放且很大程度上未被解决的研究问题。本文提出了一种针对水下环境的基于物体的语义SLAM方法，该方法能够在没有场景中物体类别先验知识的情况下，对各种海洋物体进行识别、定位、分类和建图。该方法执行无监督物体分割和物体级特征聚合，随后使用光电声传感器融合进行物体定位。使用概率数据关联来确定观测与路标之间的对应关系。给定这些对应关系后，该方法随后联合优化路标和车辆位置估计。收集了包含各种物体以及具有挑战性的声学和光照条件的室内和室外水下数据集以进行评估，并将其公开。定量和定性结果表明，与基线方法相比，所提方法实现了更低的轨迹误差，并且能够获得与需要场景中所有物体手工标注数据的基线闭集方法相当的建图精度。