语义视觉同步定位与地图：综述及前沿、挑战与未来方向
机器人学
2025-10-02 v1
摘要
语义同步定位与地图 (Semantic SLAM) 是机器人学和计算机视觉领域的一个关键研究方向，旨在实现机器人系统的同步定位，并将语义信息关联起来，以构建最准确和最全面的周围环境综合模型。自二十多年前首个基础性 Semantic SLAM 工作出现以来，该领域在 various scientific communities 中受到日益关注。尽管其重要性显而易见，但该领域缺乏涵盖近期进展和持久挑战的综述性文献。为此，本研究提供了对 Semantic SLAM 技术最新进展的详尽检视，旨在阐明当前趋势和关键障碍。首先，本研究深入探讨了视觉 SLAM 的演化，概述了其优势和独特特征，同时批判性地评估了以前的综述文献。随后，提出一种统一的问题表述和模块化解方案框架，将问题划分为视觉定位、语义特征提取、地图构建、数据关联和环路闭环优化等离散阶段。此外，本研究还探讨了诸如深度学习和大型语言模型的替代方法，以及相关研究关于当代 SLAM 数据集的综述。最后，结合潜在的未来研究方向，本研究为寻求导航其复杂景观的研究人员提供了综合性资源。
引用
@article{arxiv.2510.00783,
title = {Semantic Visual Simultaneous Localization and Mapping: A Survey on State of the Art, Challenges, and Future Directions},
author = {Thanh Nguyen Canh and Haolan Zhang and Xiem HoangVan and Nak Young Chong},
journal= {arXiv preprint arXiv:2510.00783},
year = {2025}
}