SuMa++论文笔记

SuMa++: Efficient LiDAR-based Semantic SLAM

Lidar，surfel-based，Bonn University，Laval University，KITTI，2019

总结

可以当作是增加了语义信息的SuMa，为每个点云输出语义分割结果，使得建立的surfel地图包含丰富的语义，进而通过语义约束提高性能。

使用建图SUMA建图，使用RangeSeg++分割。主要工作集中于怎样将语义标签融合到地图中，以及如何使用语义信息过滤场景中的动态物体，有点类似于SemanticFusion，只不过SemanticFusion使用的是RGBD数据，而本文使用的是激光点云数据。（”RGBD的工作马上会在Lidar上被复现一遍“，师兄说的很有道理嘛）

本文贡献

1. 将语义信息加入到surfel 地图中，在高动态场景下仍然能够精确的建图
2. 提出了一种通过带语义标签的surfel地图来过滤动态目标的方法

方法介绍

结构总览：

1.建图（surfel-based mapping，SuMa）

这个是用SuMa来做的，简单总结下：

• 在t时刻生成点云P的球形投影，即vertex map,然后用该图生成normal map Nd
• 通过t-1时刻的投影ＩＣＰ，计算出ｔ－１到ｔ时刻的位姿变换矩阵，进而链式的计算出世界坐标与ｔ时刻的位姿变换矩阵
• 同时做闭环检测保证地图的全局一致性

2.语义分割（RangeNet++）

这个是用ＲａｎｇｅＮｅｔ＋＋来做的。

ＲａｎｇｅＮｅｔ＋＋为每一帧的每个点云生成一个语义标签以及概率，得到语义地图。

• 用DarkNet53作为骨干网络构建SqueezeSeg 的结构

3.优化语义地图（flood-fill algorithm）

由于深度神经网络的降采样作用和 BIOB-like 输出，需要解决语义标签错误带来的问题，这里提出了 Flood-fill算法：

• 输入：RangeNet++的输出，即语义mask，以及对应的Vertex map（每个点投影在点云坐标系中的最近邻点云的坐标）.
• 输出：优化后的语义mask

算法流程：

1. 边界侵蚀：为了消除分割边界的模糊

   在输入的语义mask中，如果某个点的固定邻域中有其他的点的语义标签与该点不同，则删除该点，得到侵蚀后的语义mask

2. 将侵蚀的语义mask，与从Vertex map 中得到的深度图结合，得到Fill-in mask

3. 最后，对于语义标签空白的点云（应该是第一步被移除的点云），如果其领域内有其他点，则把该空白点的标签置为其邻域内点的标签（边界噪声过滤）

效果展示：

4.根据语义滤除动态目标

根据当前时刻的观测与世界模型（之前观测的结果）的语义一致性来移除动态目标

具体的，加入了一个惩罚项来计算surfel面元的"稳定性"（通过不断更新每个surfel的稳定性因子L_s来衡量）

其中EXP 项是为了解释噪声

效果展示：
右边是SuMa 移除所有可能运动的物体的结果，文中提到这种做法会带来问题：在语义稀疏的场景静止的汽车包含丰富的特征点，在ICP配准时会有很大的帮助，移除之后可能会因为丢失对应点而导致配准失败

5.语义ICP

即加入了语义约束的ICP。

新的ICP误差函数：

通过高斯牛顿法优化最小误差

效果展示：

可以看到在引入权重项后，右边的动态目标（汽车）被完美的移除

实验结果与分析

设计两个实验分别证明了本文工作的两个优越性：

• 在高动态的场景下仍然能够精确建图
• 相比于现有滤除动态物体的方法（移除所有有可能运动的物体，如静止的汽车），本文方法性能更佳

实验1： KITTI Road Sequences （目的：证明在高动态的场景下仍然能够精确建图）

由于不是里程计数据，所以在做分割时没有语义标签。

可以看到在高动态目标的场景中，SuMa由于没有语义信息，地图一致性被破坏，SuMa++则很好的维护了地图的一致性。

位姿估计错误对比：

可以看出SUMA++的偏移量少了很多，说明在高动态场景中其位姿估计精度得到了很大提升

实验2： KITTI Odometry Benchmark （相比于现有滤除动态物体的方法 本文方法性能更佳）

可以看出SUMA++ 相对于SUMA有一定的提升，相比于SOTA的工作，其性能相似（略低）。

论文针对相比SOTA，SUMA++性能持平和SUMA性能欠佳的现象分别做出了分析：

1. SUAM++中语义标签并不都是全部正确的，导致一些ｓｕｒｆｅｌ被错误的移除
2. SUMA中移除所有可能移动的目标，使得一些有利的特征点也被移除

３.KITTI的测试数据集

ｕｎｓｅｅｎ的数据集进行测试，性能相比SUMA：

average rotational error ： 0.0032 deg/m

average translational error ： 1.06%,

when compared to 0.0032 deg/m and 1.39% of the original SuMa

总结与讨论：

关于究竟要不要移除静止汽车这类目标的讨论。

以及本文方法的不足：在首次观测时不能识别物体是否是运动的（因为识别是靠两帧做比对以及语义标签进行的），目前是通过移除首帧的所有可能运动的物体来解决。

未来的研究方向

语义信息辅助闭环检测

细粒度的语义信息预测，例如车道结构，道路类型