主要观点总结
本文介绍了一种全局一致的语义SLAM系统(GCSLAM)和语义融合的定位子系统(SF-Loc),用于室内自主泊车。系统通过视觉相机、IMU和车轮编码器的多传感器数据,实现精确语义建图和鲁棒定位。文章主要贡献包括GCSLAM系统的提出,其基于因子图优化,引入创新的停车位表示和新的几何语义结合误差项;一个停车位管理模块的引入,能存储和更新全局停车位,处理噪声和错误检测结果;基于地图的定位子系统SF-Loc的开发,融合了语义ICP结果和里程计约束。系统在复杂的现实世界室内停车场验证中表现出实时、高精度的定位和语义建图性能。
关键观点总结
关键观点1: 全局一致的语义SLAM系统(GCSLAM)的提出
GCSLAM基于因子图优化,使用多传感器数据和鸟瞰图语义信息的新误差项进行约束,实现精确语义建图和鲁棒定位。
关键观点2: 停车位管理模块的引入
该模块存储停车位观测结果,更新全局停车位,并能处理噪声和错误检测结果。
关键观点3: 基于地图的定位子系统SF-Loc的开发
SF-Loc融合语义ICP结果和里程计约束,使用新的因子图优化,提高定位精度。
关键观点4: 系统在实际应用中的性能表现
系统在复杂的现实世界室内停车场中验证,实现实时、高精度的定位和语义建图性能,表现出卓越的能力。
文章预览
点击下方 卡片 ,关注“ 自动驾驶专栏 ”公众号 自动驾驶干货 ,即可获取 论文链接: https://arxiv.org/pdf/2410.12169 摘要 本文介绍了面向室内自主泊车:全局一致的语义SLAM系统和语义定位子系统。本文提出了一种全局一致的语义SLAM系统(GCSLAM)和语义融合的定位子系统(SF-Loc),它们实现了在复杂停车场中的精确语义建图和鲁棒定位。视觉相机(前视和环视)、IMU和车轮编码器构成了系统的输入传感器配置。本项工作的第一部分是GCSLAM,它引入了一种新的因子图来优化位姿和语义地图,优化过程加入了基于多传感器数据和鸟瞰图(BEV)语义信息的新误差项。此外,GCSLAM还集成了一个全局停车位管理模块,用于存储和管理停车位观测数据。SF-Loc为本项工作的第二部分,它利用GCSLAM构建的语义地图来实现基于地图的定位。SF-Loc将配准结果和里程计位姿
………………………………