SuMa++: Efficient LiDAR-based Semantic SLAM

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

许可协议

开放获取
论文: CC BY 4.0

以下内容均依据论文全文，按其 CC BY 4.0 许可协议使用；其中的图已注明作者。

一句话总结

SuMa++ 将 RangeNet++ 给出的逐点语义标签加入基于面元的 LiDAR SLAM，并用这些标签从地图中移除移动物体，以及为 ICP 残差加权。

为何重要

该方法只需要一台 LiDAR，无需相机，并且同时用语义来清理地图和使配准对离群点更鲁棒。在 KITTI 上它还表明，移除所有可移动类别可能使 SLAM 在城市场景中发散，这对任何仅按类别过滤动态物体的人都是一个具体的警示。

问题

仅依赖几何的 LiDAR SLAM 可能锁定在持续移动的物体上，从而破坏地图和位姿估计；静态结构少、移动车辆多的高速公路是最困难的情况。移除每一个可能移动的类别是一种粗糙的修补，因为它也丢弃了停放的车辆，而这些车辆是扫描配准的有用特征。

提出的方法

SuMa++ 在每次扫描的球面投影上运行 RangeNet++ 为每个点打标签，用先腐蚀再进行深度一致泛洪填充的方式减少反投影标签伪影，并在每个面元中存储一个标签及其概率。标签与新观测不一致的面元会在其稳定性对数几率上受到惩罚，并在多次观测后被移除；帧到模型的 ICP 以 Huber 项、扫描与地图标签的语义兼容性以及面元稳定性为每个残差加权。

关键见解

按扫描与地图之间的语义不一致进行过滤，可以移除实际发生了移动的物体，同时保留停放的车辆，后者是有用的配准特征。
移除所有可移动类别（SuMa nomovable）使面元地图更稀疏，并在 KITTI 城市序列中导致发散，部分原因是错误的标签移除了静态面元。
先腐蚀再进行深度一致的泛洪填充，可以减少将 2D 距离图像预测反投影到 3D 点时产生的标签错误。
ICP 中的语义权重会降低扫描与地图标签不一致处残差的权重，例如在已从地图中过滤掉的移动车辆上。

主要结果

KITTI 道路序列 30–41（5–400 m 的分段，旋转误差单位为 °/100 m / 平移误差单位为 %）：SuMa 1.35/6.13，SuMa nomovable 1.17/1.46，SuMa++ 1.04/1.46。
高速公路序列 35：平移误差从 26.8%（SuMa）降至 1.11%（SuMa++）；序列 40 从 18.0% 降至 1.95%；序列 41 从 15.6% 降至 1.67%。
KITTI 里程计训练序列 00–10（100–800 m 分段）：SuMa++ 为 0.29/0.70，SuMa 为 0.36/0.83；IMLS-SLAM 报告的平移误差为 0.55%，LOAM 为 0.84%。
KITTI 里程计测试集（服务器端评估）：平移误差为 1.06%，SuMa 为 1.39%，两者的旋转误差均为 0.0032 deg/m。
在配备 Nvidia Quadro P4000 的 Intel Xeon W-2123 上的耗时：RangeNet++ 标签平均每次扫描 75 ms，面元建图 48 ms，整合回环时最高 190 ms。

局限

动态物体在第一次观测中无法被过滤；如果第一次扫描中有许多移动物体，该方法会失败，因此在初始化阶段会移除所有可移动类别（作者陈述的局限）。
只对可移动类别施加惩罚；外观随视角变化的植被被有意保留。
泛洪填充之后仍存在分割错误，可能移除实际上是静态的面元。
在道路序列上，SuMa++ 的表现与移除所有可移动类别的基线接近，并且在若干序列（33、36、37、39、40、41）上其平移误差高于至少一个基线。
评估只使用 KITTI 数据，来自单一传感器（Velodyne HDL-64E S2）；语义没有用于回环，作者将其列为未来工作。

对领域的影响

被引用 584 次（数字按所给）。作者在 https://github.com/PRBonn/semantic_suma/ 发布了源代码。

摘要

可靠且准确的定位与建图是大多数自主系统的关键组成部分。除了所建图环境的几何信息之外，语义在实现智能导航行为方面也起着重要作用。在大多数现实环境中，由于移动物体造成的动态性，这一任务尤其复杂，这种动态性可能破坏建图步骤或使定位失效。在本文中，我们对最近发表的一种利用三维激光距离扫描、基于面元的建图方法进行扩展，通过整合语义信息来辅助建图过程。语义信息由一个全卷积神经网络高效提取，并渲染在激光距离数据的球面投影上。计算得到的语义分割为整个扫描提供逐点标签，使我们能够构建一个带有标注面元、语义增强的地图。该语义地图使我们能够可靠地过滤移动物体，还能通过语义约束改进投影式扫描匹配。我们在 KITTI 数据集中极具挑战性的高速公路序列上进行了实验评估，这些序列中静态结构极少而移动车辆大量存在，结果显示了我们的语义 SLAM 方法相对于一种纯几何的最先进方法的优势。

链接

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
代码: https://github.com/PRBonn/semantic_suma/