SO-SLAM：具有尺度比例和对称纹理约束的语义物体 SLAM
作者：Ziwei Liao, Yutong Hu, Jiadong Zhang, Xianyu Qi, Xiaoyu Zhang, Wei Wang*
链接：https://arxiv.org/ftp/arxiv/papers/2109/2109.04884.pdf
期刊：RAL2022
摘要：
物体SLAM—将物体的概念引入同步定位和建图 (SLAM) 中，并有助于理解移动机器人和物体级交互式应用的室内场景。最先进的物体 SLAM 系统面临着诸如局部观察、遮挡、不可观察问题、限制映射精度和鲁棒性等挑战。本文提出了一种新颖的单目语义物体 SLAM (SO-SLAM) 系统，该系统解决了物体空间约束的引入问题。我们探索了三种具有代表性的空间约束，包括尺度比例约束、对称纹理约束和平面支撑约束。基于这些语义约束，我们提出了两种新方法—一种更鲁棒的物体初始化方法和一种定向精细优化方法。我们在公共数据集和作者记录的移动机器人数据集上验证了该算法的性能，并在建图效果上取得了显着提升。我们将在这里发布代码：https://github.com/XunshanMan/SoSLAM。
一、引言
几十年来，机器人研究人员一直在探索如何让机器人在开放世界中自主感知、学习并与环境交互。想象一个长期服务于室内人机共存场景——家庭、博物馆、办公
