面向基于优化的语义 SLAM 的超二次曲面物体表示
计算机视觉与模式识别
2021-09-21 v1
摘要
将具有语义意义的物体引入视觉同步定位与建图（SLAM）有望提高位姿估计的精度与可靠性，尤其在视角与外观变化显著的挑战性场景中。然而，语义物体应如何表示以高效融入基于优化的 SLAM 框架仍是一个开放问题。超二次曲面（SQs）是一种高效紧凑的物体表示，能够高度表征大多数常见物体类型，通常从三维点云数据中获取。然而，在所有应用中未必都能获得精确的三维点云数据。机器学习的最新进展使得在不同外观条件下从相机图像中稳健地进行物体识别与语义掩膜测量成为可能。我们提出了一种流程，利用此类语义掩膜测量，通过多阶段初始化与优化过程将 SQ 参数拟合到多视角相机观测中。我们在初步仿真实验中展示了系统从多视角掩膜观测中恢复随机生成的 SQ 参数的能力，并评估了不同的初始化阶段与代价函数。
引用
@article{arxiv.2109.09627,
title = {Superquadric Object Representation for Optimization-based Semantic SLAM},
author = {Florian Tschopp and Juan Nieto and Roland Siegwart and Cesar Cadena},
journal= {arXiv preprint arXiv:2109.09627},
year = {2021}
}