SD-SLAM：一种基于 LiDAR 点云的动态场景语义 SLAM 方法
机器人学
2024-02-29 v1
摘要
自动驾驶车辆和机器人通常使用基于 LiDAR 传感器生成的点云地图进行定位和导航，这些地图利用了广泛的遥感数据。然而，点云地图中包含的动态物体不仅会降低定位精度和导航性能，还会损害地图质量。针对这一挑战，本文提出了一种基于 LiDAR 点云的动态场景新型语义 SLAM 方法，以下简称 SD-SLAM。本文的主要贡献体现在三个方面：1) 引入专为基于 LiDAR 点云的动态场景设计的语义 SLAM 框架；2) 利用语义信息和卡尔曼滤波有效区分动态和半静态路标；3) 在 SD-SLAM 过程中充分利用带有语义信息的半静态和纯静态路标，以提升定位和建图性能。为了评估所提出的 SD-SLAM，我们使用了广泛采用的 KITTI 里程计数据集进行测试。结果表明，所提出的 SD-SLAM 有效缓解了动态物体对 SLAM 的不利影响，提高了动态场景中的车辆定位和建图性能，同时构建了具有多语义类别的静态语义地图，以增强环境理解能力。
引用
@article{arxiv.2402.18318,
title = {SD-SLAM: A Semantic SLAM Approach for Dynamic Scenes Based on LiDAR Point Clouds},
author = {Feiya Li and Chunyun Fu and Dongye Sun and Jian Li and Jianwen Wang},
journal= {arXiv preprint arXiv:2402.18318},
year = {2024}
}