基于語(yǔ)義地圖視覺SLAM系統(tǒng)設(shè)計(jì).pdf

1、隨著近年來(lái)人工智能(Artificial Intelligence，AI)的快速發(fā)展，解決機(jī)器人感知問(wèn)題的同時(shí)定位和構(gòu)建地圖(Simultaneous Localization and Mapping，SLAM)技術(shù)在諸如自動(dòng)駕駛、機(jī)器人導(dǎo)航、增強(qiáng)現(xiàn)實(shí)(Augment Reality,AR)等領(lǐng)域有著廣泛的應(yīng)用。然而，現(xiàn)有的視覺SLAM技術(shù)多是基于特征點(diǎn)（如角點(diǎn)）或像素點(diǎn)的匹配來(lái)實(shí)現(xiàn)定位和構(gòu)建地圖。從輸入內(nèi)容上來(lái)看，這些低層級(jí)的幾何特征

2、只包含圖像中很少一部分信息，而諸如圖片中包含什么物體，當(dāng)前處于哪個(gè)場(chǎng)景中等高級(jí)語(yǔ)義信息完全沒有被SLAM利用。感知環(huán)境中的內(nèi)容信息，讓機(jī)器從幾何和語(yǔ)義兩個(gè)方面去理解周圍環(huán)境，是視覺SLAM的重要發(fā)展方向。
　　本文設(shè)計(jì)了面向室內(nèi)場(chǎng)景的基于語(yǔ)義地圖的視覺SLAM系統(tǒng)。通過(guò)目標(biāo)檢測(cè)獲取周圍環(huán)境的語(yǔ)義信息，實(shí)現(xiàn)了將語(yǔ)義信息融合到定位和構(gòu)建地圖算法當(dāng)中，優(yōu)化SLAM系統(tǒng)中各個(gè)環(huán)節(jié)的能力。針對(duì)系統(tǒng)的各個(gè)模塊，本文在真實(shí)環(huán)境中對(duì)語(yǔ)義SLAM系

3、統(tǒng)的可行性進(jìn)行驗(yàn)證，并對(duì)系統(tǒng)在公開數(shù)據(jù)集上的表現(xiàn)進(jìn)行定量分析。
　　本文完成的具體工作如下所述:
　　(1)語(yǔ)義SLAM前端，即視覺里程計(jì)部分。針對(duì)室內(nèi)場(chǎng)景的特點(diǎn)，提出一種基于語(yǔ)義信息的位姿計(jì)算方案。針對(duì)室內(nèi)場(chǎng)景的不同系統(tǒng)采取不同的位姿計(jì)算方案。在可識(shí)別物體豐富的場(chǎng)景中，將直接基于語(yǔ)義信息進(jìn)行攝像機(jī)位姿計(jì)算;而在可識(shí)別物體較少的場(chǎng)景中，將利用語(yǔ)義信息加速特征點(diǎn)匹配獲取攝像機(jī)位姿。本文實(shí)驗(yàn)證明，直接基于語(yǔ)義信息的位姿計(jì)算能夠?qū)?/p>

4、現(xiàn)視覺里程計(jì)的功能，而將特征點(diǎn)帶上語(yǔ)義信息。
　　(2)回環(huán)檢測(cè)。針對(duì)本文設(shè)計(jì)的系統(tǒng)特點(diǎn)，本文設(shè)計(jì)了一種利用環(huán)境中物體和其相對(duì)位置關(guān)系進(jìn)行回環(huán)檢測(cè)的策略，并將其應(yīng)用到系統(tǒng)中。本文在真實(shí)環(huán)境中驗(yàn)證了回環(huán)檢測(cè)方案的有效性。
　　(3)語(yǔ)義SLAM系統(tǒng)。本文搭建完整的語(yǔ)義SLAM系統(tǒng)，并基于TUM公開數(shù)據(jù)集對(duì)該系統(tǒng)進(jìn)行定量測(cè)評(píng)。在兩個(gè)運(yùn)行軌跡長(zhǎng)度分別為7.112m和9.263m的數(shù)據(jù)集上，平均軌跡誤差分別為0.015m和0.019