动态环境下的语义SLAM算法

作者：张诚; 黄丹丹^*; 刘智

来源：信息与控制, 2021, 50(03): 297-307.

DOI：10.13976/j.cnki.xk.2021.0295

• 语义分割
• 动态环境
• 语义地图
• 同时定位与地图构建

传统的同时定位与地图构建(SLAM)算法存在着易受动态物体影响和无法提取场景语义信息的问题.为了解决上述问题,提出了一种动态环境下的室外3维语义地图的构建方法.首先在语义分割方面,提出一种基于全卷积网络(fully convolutional network, FCN)和超像素的条件随机场(conditional random field, CRF)对图像进行语义分割,并结合语义信息和对极约束剔除动态物体上的特征点.然后,利用视觉里程计估计相机的运动轨迹,并利用单目深度估计算法获取深度数据,通过深度数据获取场景的3维模型.同时,通过贝叶斯渐进式标签迁移算法将二维语义标签逐步转移到3维点云中,在此基础上,提出一种基于高阶CRF的全局3维地图优化算法,该算法通过时空一致的3维超像素建立CRF的高阶项,增加点云与所属3维区域之间的约束关系来实现语义分割中点云所属类别的边界一致性.经实验验证,本算法在动态场景下较主流算法有更好的位姿估计精度,能够有效地提高单帧图像的语义分割精度并获得全局一致的语义地图.

• 单位
  长春理工大学; 电子信息工程学院