SemanticTopoLoop：基于二次曲面级物体地图的 3D 拓扑图语义回环检测
计算机视觉与模式识别
2023-11-10 v3 机器人学
摘要
回环检测作为 SLAM 的关键组件之一，在纠正累积误差方面起着重要作用。传统的基于外观的方法（如词袋模型）常受限于局部 2D 特征与训练数据规模，在真实场景中通用性与鲁棒性不足，导致回环检测中的漏检或误检。为解决这些问题，我们首先提出一种基于多级验证的物体级数据关联方法，可将当前帧的 2D 语义特征与地图的 3D 物体路标进行关联。接着，利用这些关联关系，我们引入一种基于二次曲面级物体地图拓扑的语义回环检测方法，该方法通过物体的拓扑图表示场景，并比较拓扑图差异在宽视场下实现准确回环检测。最后，我们将这两种方法集成到一个完整的物体感知 SLAM 系统中。定性实验与消融研究证明了所提物体级数据关联算法的有效性与鲁棒性。定量实验表明，我们的语义回环检测方法在精确率、召回率与定位精度指标上优于现有最先进方法。
引用
@article{arxiv.2311.02831,
title = {SemanticTopoLoop: Semantic Loop Closure With 3D Topological Graph Based on Quadric-Level Object Map},
author = {Zhenzhong Cao},
journal= {arXiv preprint arXiv:2311.02831},
year = {2023}
}