S-Graphs 2.0——面向SLAM的层次语义优化与回环检测

三维场景图的层次结构在表征方面具有高度相关性，因为它符合人造环境的常见模式。此外，这种层次表征中的语义和几何信息可用于加速地图元素和机器人位姿的优化与管理。在此方向上，我们提出了情境图2.0（S-Graphs 2.0），它利用室内场景的层次结构实现高效的数据管理和优化。我们的算法首先构建一个情境图，将环境表示为四个层次：关键帧、墙壁、房间和楼层。我们的第一个创新点在于前端，它包含一个楼层检测模块，能够识别楼梯并将楼层级的语义关系分配给底层各层。楼层级语义使我们能够提出一种基于楼层的回环检测策略，该策略能有效拒绝因建筑物不同楼层之间的混叠而通常出现的假阳性回环。我们的第二个创新点在于利用表征层次进行优化。我们的方案包括：（1）对最近关键帧及其在四个表征层中的连接组件进行窗口内的局部优化；（2）楼层级全局优化，在回环检测期间仅关注当前楼层内的关键帧及其连接；（3）房间级局部优化，边缘化房间内共享观测的冗余关键帧，从而减少计算开销。我们在不同的真实多层环境中广泛验证了我们的算法。我们的方法在大规模多层环境中展示了最先进的精度指标，平均而言，估计层次表征的速度比竞争基线快10倍。