基于语义分区的3D地图管理
机器人学
2025-12-16 v1
摘要
大型室内环境中的移动机器人（如医院和物流中心）需要精确的3D空间表示。然而，3D地图占用大量存储空间，在有限计算资源下难以维持完整地图数据。现有SLAM框架通常依赖几何距离或时间指标进行内存管理，往往在空间 compartments 环境中导致数据检索效率低下。为此，我们提出基于语义分区的3D地图管理方法，将方法从几何中心转向语义中心。我们的 approach 将环境划分为有意义的空间单元（如大厅、走廊），将这些分区作为内存管理的主要单元。通过动态仅将任务相关分区加载到工作内存（WM），并将非活跃分区卸载到长期内存（LTM），系统严格遵守用户定义的内存阈值。该方法在RTAB-Map框架内实现，表现出比标准方法显著减少不必要的签名加载/卸载循环和累积内存使用的优势。结果表明，语义分区管理确保了稳定、可预测的内存使用，同时保持地图对导航的可用性。代码已公开：https://github.com/huichangs/rtabmap/tree/segment
引用
@article{arxiv.2512.12228,
title = {Semantic Zone based 3D Map Management for Mobile Robot},
author = {Huichang Yun and Seungho Yoo},
journal= {arXiv preprint arXiv:2512.12228},
year = {2025}
}
备注
12 pages, 11 figures