SLAM大牛Cyrill Stachniss組發表在IROS2019的新論文SuMa++: Efficient LiDAR-based Semantic SLAM，已經開源。
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：
可靠並精確的定位和建圖是大多數自動駕駛和機器人系統的關鍵組成部分。除了環境的幾何信息之外，語義信息在智能導航方面也起着重要作用。在大多數現實環境中，由於存在動態物體，傳統的基於環境幾何信息的方法很難實現可靠並精確的定位與建圖。這些傳統幾何方法方法常常因動態物體的存在出現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於語義信息的激光雷達SLAM系統來更好地解決真實環境中的定位與建圖問題。該系統通過語義分割激光雷達點雲來獲取點雲級的密集語義信息，並將該語義信息集成到激光雷達SLAM中來提高激光雷達的定位與建圖精度。通過基於深度學習的卷積神經網絡，我們的方法可以十分高效地在激光雷達“範圍圖（range image）”上進行語義分割，並對整個激光雷達點雲進行語義標記。通過結合幾何深度信息，我們的方法可以進一步提升語義分割的精度。基於帶語義標記的激光雷達點雲，我們的方法能夠構建帶有語義信息且全局一致的密集“面元（surfel）”語義地圖。基於該語義地圖，我們提出的算法能夠可靠地過濾移除動態物體，而且還可以通過語義約束來進一步提高投影匹配ICP的位姿估計精度。我們利用KITTI數據集中的公路（road）數據集和里程計數據集（odometry）來測試我們提出的語義SLAM系統。該數據集（尤其是KITTI公路數據集）中包含大量的行駛中的汽車。實驗結果表明，在真實的動態環境中我們的語義SLAM方法具有更高的定位精度以及魯棒性。我們的激光雷達語義SLAM系統已經開源。
交流羣
歡迎加入公衆號讀者羣一起和同行交流，目前有SLAM、檢測分割識別、三維視覺、醫學影像、GAN、自動駕駛、計算攝影、算法競賽等微信羣（以後會逐漸細分），請關注公衆號：計算機視覺life，回覆 「加羣」，獲得加羣方式。