面向自动室内停车：全局一致语义 SLAM 系统与语义定位子系统
摘要
我们提出了全局一致语义 SLAM 系统 (GCSLAM) 和语义融合定位子系统 (SF-Loc)，实现在 complex parking lots 中的 accurate semantic mapping 和 robust localization。Visual cameras（front-view 和 surround-view）、IMU 和 wheel encoder 构成 our system 的 input sensor configuration。我们的 work 的前半部分是 GCSLAM。GCSLAM 引入 semantic-constrained factor graph，用于优化 poses and semantic map，基于 multi-sensor data 和 BEV（bird's-eye view）semantic 信息引入 innovative error terms。此外，GCSLAM 集成 Global Slot Management 模块，用于存储和管理 parking slot observations。SF-Loc 是我们的 work 的后半部分，利用 GCSLAM 构建的 semantic map 进行 map-based localization。SF-Loc 将 registration results and odometry poses 与 novel factor graph 集成。我们的 system 在两个 real-world datasets 上展示了优于 existing SLAM 的性能，显示出在 robust global localization 和 precise semantic mapping 方面的优秀能力。
引用
@article{arxiv.2410.12169,
title = {Towards Autonomous Indoor Parking: A Globally Consistent Semantic SLAM System and A Semantic Localization Subsystem},
author = {Yichen Sha and Siting Zhu and Hekui Guo and Zhong Wang and Hesheng Wang},
journal= {arXiv preprint arXiv:2410.12169},
year = {2025}
}
备注
IROS 2025