SLAM大牛Cyrill Stachniss組發(fā)表在IROS2019的新論文SuMa++: Efficient LiDAR-based Semantic SLAM，已經(jīng)開源。

demo視頻：

論文鏈接：

http://www.ipb.uni-bonn.de/wp-content/papercite-data/pdf/chen2019iros.pdf

開源代碼：

https://github.com/PRBonn/semantic_suma

該論文背景及主要工作：
可靠并精確的定位和建圖是大多數(shù)自動(dòng)駕駛和機(jī)器人系統(tǒng)的關(guān)鍵組成部分。除了環(huán)境的幾何信息之外，語義信息在智能導(dǎo)航方面也起著重要作用。在大多數(shù)現(xiàn)實(shí)環(huán)境中，由于存在動(dòng)態(tài)物體，傳統(tǒng)的基于環(huán)境幾何信息的方法很難實(shí)現(xiàn)可靠并精確的定位與建圖。這些傳統(tǒng)幾何方法方法常常因動(dòng)態(tài)物體的存在出現(xiàn)定位偏移以及建圖扭曲的情況。

在本文中，我們提出一種新的基于語義信息的激光雷達(dá)SLAM系統(tǒng)來更好地解決真實(shí)環(huán)境中的定位與建圖問題。該系統(tǒng)通過語義分割激光雷達(dá)點(diǎn)云來獲取點(diǎn)云級(jí)的密集語義信息，并將該語義信息集成到激光雷達(dá)SLAM中來提高激光雷達(dá)的定位與建圖精度。通過基于深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)，我們的方法可以十分高效地在激光雷達(dá)“范圍圖（range image）”上進(jìn)行語義分割，并對(duì)整個(gè)激光雷達(dá)點(diǎn)云進(jìn)行語義標(biāo)記。通過結(jié)合幾何深度信息，我們的方法可以進(jìn)一步提升語義分割的精度。基于帶語義標(biāo)記的激光雷達(dá)點(diǎn)云，我們的方法能夠構(gòu)建帶有語義信息且全局一致的密集“面元（surfel）”語義地圖。基于該語義地圖，我們提出的算法能夠可靠地過濾移除動(dòng)態(tài)物體，而且還可以通過語義約束來進(jìn)一步提高投影匹配ICP的位姿估計(jì)精度。我們利用KITTI數(shù)據(jù)集中的公路（road）數(shù)據(jù)集和里程計(jì)數(shù)據(jù)集（odometry）來測試我們提出的語義SLAM系統(tǒng)。該數(shù)據(jù)集（尤其是KITTI公路數(shù)據(jù)集）中包含大量的行駛中的汽車。實(shí)驗(yàn)結(jié)果表明，在真實(shí)的動(dòng)態(tài)環(huán)境中我們的語義SLAM方法具有更高的定位精度以及魯棒性。我們的激光雷達(dá)語義SLAM系統(tǒng)已經(jīng)開源。

交流群
歡迎加入公眾號(hào)讀者群一起和同行交流，目前有SLAM、檢測分割識(shí)別、三維視覺、醫(yī)學(xué)影像、GAN、自動(dòng)駕駛、計(jì)算攝影、算法競賽等微信群（以后會(huì)逐漸細(xì)分），請(qǐng)關(guān)注公眾號(hào)：計(jì)算機(jī)視覺life，回復(fù) 「加群」，獲得加群方式。

總結(jié)

以上是生活随笔為你收集整理的IROS2019 |新开源SuMa++:语义激光雷达SLAM可靠过滤动态物体的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。