基于高效高阶条件随机场的语义三维占据建图
计算机视觉与模式识别
2017-07-25 v1 机器人学
摘要
语义三维建图可用于机器人导航和虚拟交互等诸多应用。近年来，语义分割和几何三维建图取得了巨大进展。然而，将这两项任务结合起来，从图像实现精确且大规模的语义建图仍具挑战性。本文提出了一种增量式（近）实时语义建图系统。我们构建了一个三维滚动占据栅格地图来表示世界，该地图在内存和计算上高效，且对大规模环境有界。我们利用卷积神经网络 (CNN) 分割作为先验预测，并通过新颖的条件随机场 (CRF) 模型进一步优化三维栅格标签。超像素被用来增强平滑性并形成鲁棒的 P^N 高阶势。我们为该图优化开发了一种高效的均值场推断方法。在 KITTI 数据集上评估了我们的系统，相比现有系统，分割准确率提升了 10%。
引用
@article{arxiv.1707.07388,
title = {Semantic 3D Occupancy Mapping through Efficient High Order CRFs},
author = {Shichao Yang and Yulan Huang and Sebastian Scherer},
journal= {arXiv preprint arXiv:1707.07388},
year = {2017}
}
备注
IROS 2017