基于語義地圖視覺SLAM系統(tǒng)設(shè)計.pdf

1、隨著近年來人工智能(Artificial Intelligence，AI)的快速發(fā)展，解決機器人感知問題的同時定位和構(gòu)建地圖(Simultaneous Localization and Mapping，SLAM)技術(shù)在諸如自動駕駛、機器人導(dǎo)航、增強現(xiàn)實(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（如角點）或像素點的匹配來實現(xiàn)定位和構(gòu)建地圖。從輸入內(nèi)容上來看，這些低層級的幾何特征

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)前處于哪個場景中等高級語義信息完全沒有被SLAM利用。感知環(huán)境中的內(nèi)容信息，讓機器從幾何和語義兩個方面去理解周圍環(huán)境，是視覺SLAM的重要發(fā)展方向。
　　本文設(shè)計了面向室內(nèi)場景的基于語義地圖的視覺SLAM系統(tǒng)。通過目標(biāo)檢測獲取周圍環(huán)境的語義信息，實現(xiàn)了將語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)中各個環(huán)節(jié)的能力。針對系統(tǒng)的各個模塊，本文在真實環(huán)境中對語義SLAM系

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

4、現(xiàn)視覺里程計的功能，而將特征點帶上語義信息。
　　(2)回環(huán)檢測。針對本文設(shè)計的系統(tǒng)特點，本文設(shè)計了一種利用環(huán)境中物體和其相對位置關(guān)系進行回環(huán)檢測的策略，并將其應(yīng)用到系統(tǒng)中。本文在真實環(huán)境中驗證了回環(huán)檢測方案的有效性。
　　(3)語義SLAM系統(tǒng)。本文搭建完整的語義SLAM系統(tǒng)，并基于TUM公開數(shù)據(jù)集對該系統(tǒng)進行定量測評。在兩個運行軌跡長度分別為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