面向农业鲁棒建图的语义特征匹配

视觉同步定位与建图（SLAM）系统是农业机器人中的关键组成部分，可实现自主导航并构建农业田地的精确三维地图。然而，纹理缺失、光照条件变化以及环境中结构匮乏对传统特征提取与匹配算法（如 ORB 或 SIFT）所依赖的视觉 SLAM 系统构成挑战。本文提出 1）一种物体级特征关联算法，通过利用农业田地机器人导航中的结构，鲁棒地创建三维重建；以及 2）一种物体级 SLAM 系统，利用基于深度学习的物体检测与分割算法的最新进展，检测并分割环境中的语义物体作为 SLAM 的路标。我们在高粱田地的立体图像数据集上测试了我们的 SLAM 系统。结果表明，我们的基于物体的特征关联算法使我们平均能建图 78% 的高粱行。相比之下，使用传统视觉特征平均建图距离为 38%。我们还将我们的系统与最先进的视觉 SLAM 算法 ORB-SLAM2 进行了比较。