基于同步目标检测与定位的语义建图
机器人学
2018-10-30 v1
摘要
我们提出了一种基于滤波的语义建图方法，用于同时检测物体并定位其 6 自由度位姿。对于我们的方法，称为上下文时序建图（Contextual Temporal Mapping，或 CT-Map），我们将语义地图表示为在观测场景上物体类别与位姿的置信度。语义建图问题的推断随后以条件随机场（CRF）的形式建模。CT-Map 是一个考虑两种关系势的 CRF，以解释物体间的上下文关系与物体位姿的时间一致性，以及关于观测的测量势。接着提出一种粒子滤波算法在 CT-Map 模型中进行推断。我们使用配备 RGB-D 传感器的 Michigan Progress Fetch 机器人演示了 CT-Map 方法的有效性。我们的结果表明，基于粒子滤波的 CT-Map 推断相较于将观测视为场景独立样本的基线方法，提供了改进的物体检测与位姿估计。
引用
@article{arxiv.1810.11525,
title = {Semantic Mapping with Simultaneous Object Detection and Localization},
author = {Zhen Zeng and Yunwen Zhou and Odest Chadwicke Jenkins and Karthik Desingh},
journal= {arXiv preprint arXiv:1810.11525},
year = {2018}
}
备注
Published in IROS 2018