SegMap：基于片段的建图与定位及数据驱动描述子
机器人学
2019-10-01 v1 计算机视觉与模式识别
摘要
在已有全局地图中精确估计机器人位姿是移动机器人学的基本能力，例如自动驾驶或灾区探索。然而，在非结构、动态环境中该任务仍具挑战性，其中局部特征区分度不足而全局场景描述子仅提供粗粒度信息。因此我们提出 SegMap：一种基于 3D 点云中片段提取的建图与定位地图表示方案。在片段层面工作提升了对视角与局部结构变化的不变性，并便利大规模 3D 数据的实时处理。SegMap 利用单一紧凑数据驱动描述子执行多项任务：全局定位、3D 稠密地图重建与语义信息提取。SegMap 的性能在多个城市驾驶与搜索救援实验中评估。我们表明所学 SegMap 描述子相较最先进手工描述子具有更优的片段检索能力。因此，我们实现了更高定位精度及比最先进水平高 6% 的召回率。这些基于片段的定位使我们能将开环里程计漂移最多降低 50%。SegMap 开源可用并附易运行演示。
引用
@article{arxiv.1909.12837,
title = {SegMap: Segment-based mapping and localization using data-driven descriptors},
author = {Renaud Dubé and Andrei Cramariuc and Daniel Dugas and Hannes Sommer and Marcin Dymczyk and Juan Nieto and Roland Siegwart and Cesar Cadena},
journal= {arXiv preprint arXiv:1909.12837},
year = {2019}
}
备注
arXiv admin note: substantial text overlap with arXiv:1804.09557