Apr, 2023

基于目标级空间布局和语义一致性的回环检测

PDF
TL;DR本文提出了一种基于 3D 场景图的物体级别数据关联方法来实现 SLAM 系统中的闭环检测，其中使用语义信息、交叉联合、物体颜色和物体嵌入等方法来进行对象级别的数据关联，最终得到全局一致且更加精确的 3D 语义地图。
visual slamloop closure detectionobject-based methodsemantic informationpose graph optimization
发现论文，激发创造
  • 基于四次曲面级别物体映射的三维拓扑图的语义闭环检测

    通过多级验证的对象级数据关联方法和基于二次曲面对象地图拓扑结构的语义闭环方法，我们将其整合到一个完整的对象感知 SLAM 系统中，并在定性实验和定量实验中验证了其有效性、稳健性以及在精度、召回率和定位精度等度量指标上优于现有方法。

    Nov, 2023

  • 基于场景图的视角不变和准确的循环检测方法

    介绍了一种基于逐步创建的场景图的新型回路检测方法，针对室内场景的视觉 SLAM。它同时考虑了宏观视图拓扑、微观视图拓扑和语义实例的占用率来找到正确的对应关系。

    May, 2023

  • Fusion++: 三维物体级别 SLAM

    本研究提出了一种在线物体级别 SLAM 系统，该系统通过使用 Mask-RCNN 实例分割将复杂的室内场景中的物体进行重建，没有进行内部变形，并将每个物体的信息存储在可优化的 6DoF 姿态图中，以实现高度内存效率和较高的在线性能。

    Aug, 2018

  • LDSO: 带有环路闭合的直接稀疏里程计

    本文提出了 Direct Sparse Odometry (DSO) 的扩展，用于具有循环闭合检测和位姿图优化（LDSO）的单目视觉 SLAM 系统，保留了 DSO 的健壮性，并通过优化来减少旋转、平移和尺度漂移的影响。

    Aug, 2018

  • OverlapNet: 基于激光雷达 SLAM 的环路闭合

    本文介绍了使用深度神经网络在自动驾驶汽车记录的 3D 激光扫描数据中基于各种线索发现循环闭合的方法，并将其集成到现有的 SLAM 系统中，结果表明它可以有效地检测循环闭合，从而提高 SLAM 系统的映射效果，并通过 KITI 和 Ford 数据集进行了评估。

    May, 2021

  • 循环神经 SLAM：具有闭环的稠密神经 SLAM

    使用全局优化的方式，Loopy-SLAM 将神经 RGBD SLAM 方法应用于密集的同时定位与建图任务中，解决了摄像机跟踪过程中的误差累积和地图扭曲的问题。

    Feb, 2024

  • 基于分割的三维点云闭环检测算法 SegMatch

    提出了一个基于匹配三维片段的可靠的循环闭合检测算法 SegMatch，它不依赖于 “完美分割” 的假设或在环境中 “物体” 的存在，并可在大规模、非结构化环境下实现 1Hz 的准确定位和实时闭环检测。

    Sep, 2016

  • 单目高斯定位与地图构建中的语义循环闭环

    本文介绍了 MG-SLAM，一种单目高斯 SLAM 系统，其特点是具有语义扩展的环路闭合模块，能够在进行漂移校正的同时实现高保真度的重建和对环境的高层次理解。该系统通过将全局地图表示为 3D 高斯，并将其用于指导场景几何估计，从而减轻缺失深度信息的工作量。此外，基于 CLIP 特征的语义扩展环路闭合模块可以持续进行全局优化，以纠正系统运行期间累积的漂移错误。我们的系统在多个具有挑战性的数据集上取得了令人期待的跟踪和建图结果，甚至超过了一些现有的 RGB-D 方法。

    May, 2024

  • 一种在线语义映射系统，用于扩展与增强视觉 SLAM

    本文提出了一种移动视觉系统的实时语义地图构建方法，采用 2D 到 3D 对象检测流程和快速数据关联，将关联检测作为语义约束引入 SLAM 系统进行姿态校正，通过本文提出的观测对象局部关联处理和基于不确定性贪心关联的方案，平均迭代时间达到了 65ms，实验结果表明在公共数据集上能够使现有的 SLAM 系统姿态估计提高 68％。

    Mar, 2022

  • 实时单目物体感知稀疏 SLAM

    本文在单目 SLAM 框架中嵌入了实时深度学习的目标检测器，将普通物体表示为四面体，进一步细化物体重建，检测附加平面标志并建模为独立地标志，可大幅提高系统的定位性能和语义地图的丰富程度。

    Sep, 2018