S3M：面向RGB-D相机无人机的语义分割稀疏地图构建

无人机(UAV)在关键应用中具有巨大潜力，例如搜索与救援任务，其中对室内环境的精确感知至关重要。然而，同时融合定位、3D重建和语义分割是一个显著的障碍，尤其是在配备有限电力和计算资源的无人机背景下。本文提出了一种新颖的方法，以应对无人机操作中语义信息提取和利用的挑战。我们的系统在后端集成了最先进的视觉SLAM来估计完整的6自由度位姿和先进的目标分割方法。为了提高框架的计算和存储效率，我们采用了一种简化的基于体素的3D地图表示——OctoMap来构建工作系统。此外，融合算法被纳入，以从前端SLAM任务中获取每一帧的语义信息及其对应点。通过利用语义信息，我们的框架增强了无人机感知和导航室内空间的能力，解决了位姿估计精度和不确定性降低方面的挑战。通过Gazebo仿真，我们验证了所提出系统的有效性，并成功将我们的方法嵌入到Jetson Xavier AGX单元中用于实际应用。