基于显著性地面因素的送货机器人在复杂城市环境中的鲁棒定位

在送货机器人所处的城市环境中，特别是校园和小镇等地区，许多自定义特征违背了标准道路语义分类。为解决这一挑战，我们的论文引入了一种方法，利用显著性对象检测（SOD）提取这些独特特征，运用它们作为增强机器人 loop closure 和定位的关键因素。传统基于几何特征的定位方法受到光照变化和外观变化的影响。我们倾向于使用 SOD 而非语义分割，绕过对分类多样非标准化城市特征的复杂性。为实现一致的地面特征，实施了 Motion Compensate IPM（MC-IPM）技术，利用运动进行畸变补偿，然后通过矩计算选择最相关的显著地面特征。为了进行彻底的评估，我们将显著性检测和定位性能验证到了真实城市场景中。项目页面：https://sites.google.com/view/salient-ground-feature/home。