#每天一篇论文#233/365 基于星座的语义slam地图合并

Efficient Constellation-Based Map-Merging for Semantic SLAM

摘要

-slam中的数据关联具有根本性的挑战性，处理好模糊性对于实现现实环境中的稳健操作至关重要。当出现不明确的度量时，保守主义常常要求放弃度量或初始化新的里程碑，而不是冒着不正确关联的风险。为了解决不可避免的“重复”地标，我们提出了一个有效的地图合并框架来检测重复的地标星座，提供了一个高置信度的环闭合机制，非常适合对象级的slam。这种方法使用了一种仅依赖于slam图中局部信息的地标不确定性的增量可计算近似，避免了整个系统协方差矩阵的昂贵恢复。这使得基于几何一致性（gc）的搜索（而不是基于完全联合兼容性（jc））能够以较低的成本将搜索空间缩减为几个“最佳”假设。此外，我们重新构造了常用的解释树，以便更有效地集成基于团的成对兼容性，加速分支和界限最大基数搜索。我们的方法被证明在显著降低计算成本的情况下与全jc方法的性能相匹配，有助于在大型slam问题上实现鲁棒的基于对象的环路闭合。

贡献

本文提出了一种适用于基于语义对象slam的高效地图合并框架。为了获得高精度的重复标记检测，我们的方法识别了标记的最大基数星座，与联合选通技术有许多相似之处。然而，现有的大多数方法都假设slam协方差矩阵具有恒定的时间访问权，在最近的非线性slam方法中没有得到明确的维护，而且恢复起来代价昂贵。 为了实现这一点，我们定义了两个候选星座之间的几何兼容性（gc）代价，捕获了地标之间最重要的相关性，但避免了对由全协方差矩阵表示的全局不确定性信息的依赖。此外，我们还引入了一个局部地标不确定性的保守近似，该近似是可增量计算的，并且有助于对gc进行有效的（线性时间）评估。

方法

我们方法的基础是显式树搜索和基于团的兼容性之间的紧密集成。给定候选匹配和匹配对的一元和二元约束集，可以定义对应。

实验