May, 2023

语义的重要性：基于激光雷达语义极点地图的语义粒子滤波定位深入研究

PDF
TL;DR本文旨在利用具有地标形状的柱状物作为主导式定位地标，创造出一张准确的用于自主车辆或机器人的地图，即 Pole-map。通过利用柱状物的语义信息，在所有帧中检测和聚合检测到的柱状物，创造出一个多层语义 Pole-map，并提出了一个基于语义 Pole-map 的粒子滤波定位方案。经理论分析和公共数据集实验结果表明，本文所提出的基于语义的定位方法比不使用语义的方法在粒子滤波定位中表现更好。
autonomous vehicleslocalizationsemantic pole-mapparticle-filtering localizationsemantickitti dataset
发现论文，激发创造
  • SuMa++：高效 LiDAR 语义 SLAM

    本文提出了一种基于三维激光雷达测距扫描和神经网络对语义信息进行提取的建图及定位方法，实现了对运动物体的有效滤波和语义信息约束下的扫描匹配，与现有基于几何约束的方法相比，实验结果表明其性能更优。

    May, 2021

  • 自主车辆的单目语义地图定位

    提出了一种新颖的轻量级视觉语义定位算法，通过稳定的语义特征代替低级纹理特征，结合离线构建的语义地图和在线的数据关联实现实时的自动驾驶定位。实验结果表明，该方法在各种自动驾驶定位任务中是可靠且实用的定位解决方案。

    Jun, 2024

  • 地图辅助架座检测的标注

    本文介绍了使用高清地图上的 2D 杆状特征对图像进行自动标注，并利用附加的激光雷达传感器对遮挡特征进行过滤，并演示了如何训练物体探测器来检测杆状特征。在自动生成的数据和手动标注的数据的比较中，我们验证了该方法的有效性。

    Mar, 2024

  • 基于深度语义分割和新型异常值检测的改进 LiDAR 里程计与建图

    使用深度学习模型产生语义信息以提高 LiDAR 扫描的点对线和点对面匹配，并构建环境的语义地图，应用于快速移动平台，提高 LiDAR 测距与建图的鲁棒性。

    Mar, 2024

  • 使用语义分割图像进行长期视觉定位

    在自动驾驶车辆的长期视觉导航中，利用图像的语义分割和 3D 点云制作具有语义标签的地图，通过粒子滤波来实现车辆定位，从而在大多数时候实现低于 1 米的定位误差。

    Jan, 2018

  • 利用稀疏语义高清地图实现自动驾驶汽车定位

    本文提出了一种基于多个传感器的语义定位算法，利用车道，交通标志和车辆动态等信息，以贝叶斯滤波框架为基础，实现对稀疏语义地图的鲁棒定位，相较于传统基于几何学和 LiDAR 强度的定位器所需的储存空间降低了数个数量级，并且证明了其在 312 公里公路数据集上能够获得 0.05m 的横向精度和 1.12m 的纵向精度。

    Aug, 2019

  • 城市自动驾驶应用的概率语义地图

    本文介绍了一种将图像和预先构建的点云地图信息融合的方法来自动且准确地标记诸如道路、人行道、人行横道和车道等静态地标，并展示了该模型可以预测大部分道路特征并可以扩展用于自动将道路特征纳入高清地图。

    Jun, 2020

  • 使用稀疏语义 3D 地图的视觉定位

    本文提出了一种基于结构和图像的语义匹配方法，能够在诸如季节、亮度、天气和昼夜变化等多种条件下实现准确和稳健的视觉定位，实验证明该方法相较于现有技术有显著的提升。

    Apr, 2019

  • 基于极柱地标的领域不变 3D 点云地图匹配中的检测与分类

    本研究旨在探讨基于杆类地标的深度学习模型在视觉定位中的应用，其中考虑了极致稳定性下的杆类地标作为定位的一种可靠标志，并提出了两个关键模块：杆类地图匹配和杆类属性匹配，采取 RANSAC 地图匹配方法以在计算效率和精度之间达成良好的平衡。实验证明，与基线方法相比，杆类地标分类方法对视觉定位系统的提升更加明显。

    May, 2023

  • LISNeRF 绘图：基于语义神经场的大规模三维场景基于 LiDAR 的隐式绘图

    本文提出了一种通过 LiDAR 测量单独重建大规模三维语义场景的新方法，使用隐式表示进行建模。通过浅层多层感知机（MLPs）从隐式特征解码出语义信息和有符号距离值，并采用自监督策略和伪监督策略进行隐式特征和 MLPs 参数的联合优化，最后利用 Marching Cubes 算法对场景进行推断阶段的细分和可视化。与当前最先进的 3D 建图方法相比，我们的框架在三个真实数据集，SemanticKITTI，SemanticPOSS 和 nuScenes 上表现出了很高的效果和效率。

    Nov, 2023