基于语义拓扑信息的物体级SLAM回环检测算法

摘要

回环检测是SLAM系统的重要组成部分，可以消除里程计的累积误差.传统基于图像外观进行回环检测的方法难以应对大视角变化情况，而显著的物体路标具有视角不变性，能够较好地抵抗视角变化带来的影响.本文提出了一种基于语义拓扑信息的视觉回环检测方法 .该方法利用显著物体路标的视角不变性，借助物体地图的语义拓扑信息来编码场景，从而显著提升大视角变化下的系统鲁棒性.具体而言，该方法维护一个分层语义路标数据库，采用“从粗到精”的检测策略.首先，利用宏观高层物体路标提取拓扑图，通过局部拓扑描述符进行粗略匹配，并将局部与全局拓扑图统一在极坐标系下评估空间分布相似性，有效剔除误匹配；随后，在准确物体匹配的引导下，利用微观低层点路标进行精细配准，优化位姿估计.在TUM和USTC数据集上的实验结果表明，该方法在精确率和召回率上表现优异，平均精度超过80%.特别是在大视差回环场景下，定位精度提升了40%以上.

关键词

机器人技术 / 物体级SLAM / 回环检测 / 语义分割 / 语义地图

基金资助

长三角科技创新共同体联合攻关计划项目（2023CSJGG0801）