Mono-SemSLAM:一种基于物体语义信息的单目视觉SLAM方法

摘要：

　　为了克服以单目相机作为主要传感器的移动机器人在环境几何感知方面存在的不足,提出了一种基于场景语义信息的实时、鲁棒和低漂移的单目视觉SLAM(同时定位与建图,Simultaneously Localization and Mapping)方法.该方法主要由三个模块组成,包括融合目标检测网络的单目视觉里程计模块、基于粒子群算法的3D物体检测模块以及结合物体语义约束的集束调整局部优化模块.融合目标检测网络的单目视觉里程计在保障SLAM系统实时性的前提下提取场景中语义信息.无物体尺寸先验的情况下,采用深度学习目标检测方法与粒子群算法相结合的方式实现场景中三维目标的准确估计.同时根据场景特性,在场景中物体尺寸先验易于获得时,利用物体先验尺寸信息减轻单目相机的尺度不确定性问题.最后,提出融合相机位姿、地图路标点以及三维物体的非线性优化方法,实现各状态量的准确估计.在实验室场景采集的数据集以及KITTI里程计公开数据集上对本文所提出的方法进行了验证,实验结果表明本文提出的方法在场景尺度恢复、降低位姿漂移等方面的性能优于当前主流的特征点法SLAM系统ORB-SLAM2.

关键词： SLAM(同步定位与建图) 物体3D检测 语义SLAM 集束调整

作者: 李晓晗 王纪凯 林士琪 徐萌 戴德云 陈宗海

作者单位: 中国科学技术大学信息科学技术学院,安徽合肥,中国,230026

会议类型: 国内会议

会议名称: 第22届中国系统仿真技术及其应用学术年会(CCSSTA2021)

会议地点: 合肥

会议语种:中文

页码: 351-360

在线出版日期: 2021-07-01（万方平台首次上网日期，不代表论文的发表时间）