【SGLC：基于语义图引导的激光SLAM】

文章预览

《SGLC: Semantic Graph-Guided Coarse-Fine-Refine Full Loop Closing for LiDAR SLAM》这篇论文介绍了一种名为SGLC（Semantic Graph-Guided Coarse-Fine-Refine Full Loop Closing）的方法，用于LiDAR SLAM中的全环闭合问题。SGLC是一种语义图引导的全环闭合框架，具备鲁棒的环闭合检测和6-DoF（六自由度）位姿估计能力。 具体来说，SGLC框架首先为前景实例构建一个语义图，然后生成考虑语义图的拓扑属性和背景的外观特征的LiDAR扫描描述符。这个描述符用于从数据库中检索环候选扫描。接着，对每个环候选项进行几何验证，以过滤掉错误的环闭合，关键步骤是利用实例节点描述符进行鲁棒的稀疏节点匹配。最后，采用粗-细-精的注册方案来估计精确的6-DoF位姿。 SGLC方法考虑了前景和背景点的不同特性。对于前景实例，构建的语义图不仅抽象了点云表示以快速生成和匹配描述符，还指导了 ………………………………