科研之友
微信
新浪微博
Facebook
分享链接
摘要
视觉同时定位与地图构建（Visual Simultaneous Localization and Mapping, VSLAM）是自主移动机器人、自动驾驶、增强现实(AR)等领域的关键技术。随着深度学习的发展，准确高效的图像语义信息在VSLAM领域得到了广泛的应用。与传统SLAM相比，语义VSLAM利用语义信息提升了定位精度和鲁棒性，并通过物体级重建提高了环境感知能力，成为当前VSLAM领域的研究热点。本文对近年来优秀的物体级语义SLAM工作进行了阐述归纳和对比梳理，总结了该领域的四个关键问题，包括物体表达形式、物体初始化方法、融合语义信息的数据关联算法和融合物体级语义信息的后端优化方法。同时，对代表性方法进行了优缺点分析。最后，在现有技术成果和研究基础上，对物体级语义VSLAM面临的挑战和未来研究方向进行了展望和分析。当前物体级语义SLAM仍面临着物体关联不准确、物体优化框架不完善等问题。如何有效使用和维护语义地图以应用于决策规划等任务，以及融合多源信息以丰富视觉感知是未来的研究热点。
- 单位
