SuMA++论文重点总结

SuMA++:Efficient LiDAR-based Semantic SLAM

简介：

基于曲面建图（surfelbased mapping）方法的基础上，增加语义信息的融合以解决建图时移动物体的问题。语义信息是通过神经网络完成，该网络给点云中的点添加标签，建图时得到的是带有标签的曲面，1、可以滤除动态物体 2、使用语义信息对里程计进行约束，提高建图的精度

主要贡献：

对点云进行语义分割，根据语义信息识别动态物体，并去除
把带有语义标签的物体进行数据关联，和几何信息一起建立约束关系，从而提高建图精度

整体思路：

通过网络对点云进行语义分割

使用RangeNet++方法。

使用漫水填充方法消除错误的类别标签

由于网络对点云进行的语义分割必然包含正确分类和错误分类，而这里面的错误会对后续环节产生不好的影响，因此有必要对其进行消除。这一环节的主要流程如下图所示。

上图中左侧是右侧图中虚线框方法的部分，先对(a)中的错误识别结果进行剔除，得到(b)，然后利用周围的标签点云对他进行填充，得到(c)。最后(d)中显示的是(c)对应的深度图。

使用滤波器进行动态物体检测，并移除动态物体

动态物体的识别是根据物体在同一位置出现的概率实现的。具体来讲，就是说如果在这一帧中，某个位置出现了物体，在下一帧中，它还在，如果连续很多帧它都出现在同一个位置，那么它就是静止的，反之，在每一帧中检测到的位置都发生变化，那么它就是移动的。当然，此处位置指的是地图中的位置，而不是相对于当前帧点云的位置。上面是为了方便理解采用的通俗的解释，实际算法实现是用下面的公式

这个公式其实和cartographer移除动态物体的公式很像

建立带语义信息约束的ICP模型，优化里程计精度

我们知道ICP对两帧点云匹配其实就是让两帧点云对应点的距离达到最小，越小说明位姿估计的越准。但它仅使用几何信息，鲁棒性不是很好。此处作者为了改进这一问题，把语义信息也加入了ICP的数据关联当中，每一个物体对应一个关联关系，进行位姿估计时，除了点云要尽量接近，带语义标签的各个物体也要尽量接近。

SuMA++论文重点总结相关推荐

商汤及联合实验室入选论文重点解读 | ECCV 2018
本文经AI新媒体量子位(公众号ID:qbitai )授权转载,转载请联系出处本文约3400字,建议阅读10分钟. 本文为大家解读了几篇商汤及联合实验室的入选论文. 9月8日-14日,备受瞩目的201 ...
SuMa++论文笔记
SuMa++: Efﬁcient LiDAR-based Semantic SLAM Lidar,surfel-based,Bonn University,Laval University,KITTI ...
SuMa++论文阅读
SuMa++: Efficient LiDAR-based Semantic SLAM 摘要和引言摘要关键方法结果引言关键工作过程主要贡献结果和讨论结果下一步讨论方法和实验 ...
ESDB论文重点整理
目录基本概念 ESDB用途 - 交易数据查询 ES基本概念 ESDB创新点 ESDB架构 3.1 应用层 3.2 控制层 3.3 执行层 ESDB负载均衡哈希.双重哈希动态二次哈希 ESDB数据 ...
High-Resolution Image Synthesis with Latent Diffusion Models 论文重点
Content High-Resolution Image Synthesis with Latent Diffusion Models Abstract 1. Introduction 不足之处: ...
论文阅读：SuMa++
论文阅读:SuMa++ 论文:<SuMa++: Efficient LiDAR-based Semantic SLAM> SuMa++是建立在SuMa基础上的方法,该方法使用了基于Ran ...
重磅 | 周志华最新论文：首个基于决策树集成的自动编码器，表现优于DNN
向AI转型的程序员都关注了这个号☝☝☝ 翻译 | AI科技大本营(rgznai100) 参与 | 周翔.reason_W成龙,Shawn 今年 2 月,南京大学的周志华教授和他的学生 Ji Feng ...
这份GitHub 2.3k星的ML论文清单拿好，工作用得上
鱼羊发自凹非寺量子位报道 | 公众号 QbitAI 工欲善其事,必先利其器. 在工作中动手实施自己的ML项目之前,了解领域里的前沿进展,吸收前人的经验,是很有必要的. 不过,现在arXiv上每 ...
复旦邱锡鹏超全NLP预训练模型综述论文：两张图带你梳理完整脉络
关注上方"深度学习技术前沿",选择"星标公众号", 资源干货,第一时间送达! 超全预训练语言模型概览,入门学习.搭建知识体系.找文献资料.找资源代码,这里有 N ...

SuMA++论文重点总结

SuMA++论文重点总结相关推荐

最新文章

热门文章