SuMa++: Efficient LiDAR-based Semantic SLAM

作者: Xieyuanli Chen, Andres Milioto, Emanuele Palazzolo, Philippe Giguère, Jens Behley, Cyrill Stachniss · IROS 2019

授權條款

開放取用
論文: CC BY 4.0

以下內容皆依據論文全文，依其 CC BY 4.0 授權條款使用；圖表已標示作者。

一句話摘要

SuMa++ 把 RangeNet++ 產生的逐點語意標籤加入以面元為基礎的 LiDAR SLAM，並用這些標籤把移動物體從地圖中移除，以及為 ICP 殘差加權。

為何重要

此方法只需要一具 LiDAR，不需要相機，並且同時運用語意來清理地圖，以及讓配準對離群值更強健。在 KITTI 上它也顯示，移除所有可移動類別可能讓 SLAM 在城市場景中發散，對任何只依類別濾除動態物體的人而言，這是一個具體的警訊。

問題

只仰賴幾何的 LiDAR SLAM 可能鎖定在持續移動的物體上，進而破壞地圖與姿態估測；靜態結構少、移動車輛多的高速公路是最困難的情況。移除每一個可能移動的類別是很粗略的修正，因為這也會丟掉停放的車輛，而它們是掃描配準的有用特徵。

提出的方法

SuMa++ 在每次掃描的球面投影上執行 RangeNet++，為每個點加上標籤，以先侵蝕、再做深度一致洪水填充的方式減少反投影造成的標籤瑕疵，並在每個面元中儲存一個標籤及其機率。標籤與新觀測不一致的面元，會在其穩定度對數勝算上受到懲罰，並在數次觀測後被移除；而幀對模型的 ICP 會以 Huber 項、掃描與地圖標籤的語意相容性，以及面元穩定度，為每個殘差加權。

關鍵見解

依據掃描與地圖之間的語意不一致來過濾，可以移除真的移動過的物體，同時保留停放的車輛，而這些車輛是有用的配準特徵。
移除所有可移動類別（SuMa nomovable）讓面元地圖變得更稀疏，並在 KITTI 的城市序列中造成發散，部分原因是錯誤的標籤移除了靜態面元。
先侵蝕、再做深度一致的洪水填充，可以減少把 2D 測距影像的預測反投影回 3D 點時所產生的標籤錯誤。
ICP 中的語意權重會降低掃描與地圖標籤不一致之處的殘差權重，例如已從地圖濾除的移動車輛。

主要結果

KITTI 道路序列 30–41（5–400 m 的區段，旋轉誤差單位為 °/100 m / 平移誤差單位為 %）：SuMa 1.35/6.13、SuMa nomovable 1.17/1.46、SuMa++ 1.04/1.46。
高速公路序列 35：平移誤差從 26.8%（SuMa）降到 1.11%（SuMa++）；序列 40 從 18.0% 降到 1.95%；序列 41 從 15.6% 降到 1.67%。
KITTI 里程計訓練序列 00–10（100–800 m 區段）：SuMa++ 為 0.29/0.70，SuMa 為 0.36/0.83；IMLS-SLAM 報告的平移誤差為 0.55%，LOAM 為 0.84%。
KITTI 里程計測試集（伺服器端評估）：平移誤差 1.06%，SuMa 為 1.39%，兩者的旋轉誤差皆為 0.0032 deg/m。
在搭配 Nvidia Quadro P4000 的 Intel Xeon W-2123 上的耗時：RangeNet++ 標籤平均每次掃描 75 ms，面元建圖 48 ms，整合迴圈閉合時最高 190 ms。

限制

動態物體在第一次觀測時無法被濾除；若第一次掃描中有許多移動物體，此方法就會失敗，因此在初始化期間會移除所有可移動類別（作者自述的限制）。
只有可移動類別會受到懲罰；外觀會隨視角改變的植被是刻意保留的。
洪水填充之後仍有分割錯誤，可能移除實際上是靜態的面元。
在道路序列上，SuMa++ 的表現接近移除所有可移動類別的基準，而在數個序列（33、36、37、39、40、41）上，其平移誤差高於至少一個基準。
評估只使用 KITTI 資料，且來自單一感測器（Velodyne HDL-64E S2）；語意並未用於迴圈閉合，作者將此列為未來的工作。

對領域的影響

被引用 584 次（數字依所列）。作者在 https://github.com/PRBonn/semantic_suma/ 釋出原始碼。

摘要

可靠且精確的定位與建圖，是多數自主系統的關鍵組成。除了所建地圖環境的幾何資訊之外，語意在實現智慧導航行為上也扮演重要角色。在多數真實環境中，移動物體造成的動態性讓這項任務格外複雜，它可能破壞建圖步驟，或讓定位失準。在本文中，我們擴充一種最近發表、利用三維雷射測距掃描、以面元為基礎的建圖方法，整合語意資訊來輔助建圖過程。語意資訊由一個全卷積神經網路有效率地擷取，並呈現在雷射測距資料的球面投影上。計算出的語意分割為整個掃描提供逐點標籤，讓我們能建立帶有標註面元、經語意強化的地圖。這張語意地圖讓我們能可靠地濾除移動物體，也能透過語意約束改善投影式掃描匹配。我們在 KITTI 資料集中極具挑戰的高速公路序列上進行實驗評估，這些序列的靜態結構極少、移動車輛眾多，結果顯示我們的語意 SLAM 方法相較於一種純幾何的最先進方法具有優勢。

連結

arXiv 2105.11320: https://arxiv.org/abs/2105.11320
DOI 10.1109/IROS40897.2019.8967704: https://doi.org/10.1109/IROS40897.2019.8967704
PDF: https://arxiv.org/pdf/2105.11320v1
程式碼: https://github.com/PRBonn/semantic_suma/