大规模户外环境的具有地标的语义SLAM

点击上方“3D视觉工坊”，选择“星标”

干货第一时间送达

项目

论文地址:

https://arxiv.org/pdf/2001.01028v1.pdf

代码:

https://github.com/1989Ryan/Semantic_SLAM

结果

编译

基本依赖

• ROS

• Python 2.7

• scipy

• sklearn

如果需要在ROS运行PSPNet,还需要安装以下:

• Tensorflow-gpu >= 0.4.0

• Keras 2.2.2

catkin_make
cd Semantic_SLAM/
chmod +x run.sh
./run_C.sh

摘要

语义SLAM是自主驾驶和智能代理中的一个重要领域,它能使机器人实现高层次的导航任务,获得简单的认知或推理能力,实现基于语言的人机交互.本文将ORB-SLAM的三维点云与PSPNet-101卷积神经网络模型的语义分割信息相结合,建立了一个大规模环境下的语义三维地图生成系统.此外,还建立了一个新的KITTI序列数据集,该数据集包含了序列相关街道上Google地图上的GPS信息和地标标签.我们还找到了一种将现实世界中的地标与点云地图相关联的方法,并建立了一个基于语义地图的拓扑地图.

我们基于单目视觉SLAM系统ORB SLAM2的特性,该系统具有旋转不变性的ORB特征及具有良好的运动鲁棒性和良实时性,可用于多种室外环境场景,还具有良好的闭环性能.并使用ORB_SLAM提取视觉特征进行重新定位,语义信息由深度神经网络DNN获取,我们使用PSPNet-101对19个不同语义标签的像素级图像进行语义分割,包括车辆、建筑物、植物、道路.最后在像素级层面将语义信息与点云地图关联.在语义上,我们将建筑物地标与语义点云联系起来.并将从Google地图获得的地标与用于城市区域导航的语义3D地图相关联.它可以在不需要GPS信息的情况下实现基于地标的重定位.

本论文主要贡献如下：

• 将视觉SLAM地图与大规模环境的语义分割信息相融合来构建3D语义地图

• 为KITTI序列开发了一个新的数据集,其中包含了GPS信息和Google地图中序列相关街道的地标标签

• 实现一种将现实世界地标与点云地图相关联的方法,并基于语义地图构建了一个拓扑图.

评估

我们使用了KITTI数据集中的多个大型户外序列,最终结果如下图所示:

结果表明,我们的系统能够成功地将语义标签融合到ORB_SLAM生成的点云中,从而生成包含19个标签的语义3D点云.此外还预先形成了地标级数据融合.

总结

本文提出了一种基于单目摄像机的带有路标的语义SLAM系统，可以用于大规模的室外定位和导航.基于KITTI-GPS信息建立了一个数据集,用于基于地标的语义融合和拓扑语义建图.本系统利用上述数据集构建了一个包含地标信息的三维语义点云,它包含了地标的真实名称和位置.多个语义标签使得基于离线的人机交互、面向任务的导航或地标级定位成为可能.

本文仅做学术分享，如有侵权，请联系删文。

下载1

在「3D视觉工坊」公众号后台回复：3D视觉，即可下载 3D视觉相关资料干货，涉及相机标定、三维重建、立体视觉、SLAM、深度学习、点云后处理、多视图几何等方向。

下载2

在「3D视觉工坊」公众号后台回复：3D视觉github资源汇总，即可下载包括结构光、标定源码、缺陷检测源码、深度估计与深度补全源码、点云处理相关源码、立体匹配源码、单目、双目3D检测、基于点云的3D检测、6D姿态估计源码汇总等。

下载3

在「3D视觉工坊」公众号后台回复：相机标定，即可下载独家相机标定学习课件与视频网址；后台回复：立体匹配，即可下载独家立体匹配学习课件与视频网址。

重磅！3DCVer-学术论文写作投稿 交流群已成立

扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。

同时也可申请加入我们的细分方向交流群，目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流等微信群。

一定要备注：研究方向+学校/公司+昵称，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，可快速被通过且邀请进群。原创投稿也请联系。

▲长按加微信群或投稿

▲长按关注公众号

3D视觉从入门到精通知识星球：针对3D视觉领域的知识点汇总、入门进阶学习路线、最新paper分享、疑问解答四个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近2000星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款

 圈里有高质量教程资料、可答疑解惑、助你高效解决问题

觉得有用，麻烦给个赞和在看~