SemanticLoop：基于三维语义图匹配的回环检测
机器人学
2022-11-23 v1
摘要
回环检测可有效修正机器人定位中的累积误差，在机器人长期导航中起着关键作用。传统基于外观的方法依赖局部特征，在歧义环境中容易失效。另一方面，物体识别可推断物体的类别、位姿与范围。这些物体可作为稳定的语义路标，用于视角无关且无歧义的回环检测。然而，由于缺乏高效鲁棒的算法，存在一个关键的物体级数据关联问题。我们引入一种新颖的物体级数据关联算法，其结合 IoU、实例级嵌入与检测不确定性，并表述为线性分配问题。随后，我们将物体建模为 TSDF 体素，并将环境表示为带语义与拓扑的三维图。接着，我们提出一种基于重建的三维语义图的图匹配回环检测，并通过对齐匹配物体来修正累积误差。最后，我们在物体级位姿图优化中精修物体位姿与相机轨迹。实验结果表明，所提出的物体级数据关联方法在精度上显著优于常用的近邻方法。我们基于图匹配的回环检测比现有基于外观的方法对环境外观变化更具鲁棒性。
引用
@article{arxiv.2211.11977,
title = {SemanticLoop: loop closure with 3D semantic graph matching},
author = {Junfeng Yu and Shaojie Shen},
journal= {arXiv preprint arXiv:2211.11977},
year = {2022}
}