语义为何重要：基于 LiDAR 语义杆状地图的语义粒子滤波定位深入研究
计算机视觉与模式识别
2023-05-24 v1 机器人学
摘要
在大多数城市和郊区，树干或电线杆等杆状结构随处可见。鉴于这些结构地标在地图中的几何位置以及来自传感器的测量值，它们对自动驾驶车辆定位非常有用。在本工作中，我们旨在创建一张以杆状结构作为主导定位地标的精确地图供自动驾驶车辆或机器人使用，故称为杆状地图（pole-map）。与先前基于杆的建图或定位方法不同，我们利用了杆状结构的语义信息。具体而言，语义分割通过一种以掩码分类范式的新掩码-距离 transformer 网络实现。利用每帧中提取的杆状结构语义，通过聚合所有帧中检测到的杆状结构，创建了一张多层语义杆状地图。给定该语义杆状地图，我们提出了一种用于车辆定位的语义粒子滤波定位方案。理论上，我们分析了语义信息为何有益于粒子滤波定位；并且在公开的 SemanticKITTI 数据集上经验性地验证，当每个粒子的里程计预测和/或在线观测受到显著水平的不确定性影响时，带语义的粒子滤波定位比无语义的对应方法性能要好得多。
引用
@article{arxiv.2305.14038,
title = {Why semantics matters: A deep study on semantic particle-filtering localization in a LiDAR semantic pole-map},
author = {Yuming Huang and Yi Gu and Chengzhong Xu and Hui Kong},
journal= {arXiv preprint arXiv:2305.14038},
year = {2023}
}