摘要：随着即时定位与地图构建技术(SLAM,simultaneous localization and mapping)的发展成熟,以及基于RGB-D的三...随着即时定位与地图构建技术(SLAM,simultaneous localization and mapping)的发展成熟,以及基于RGB-D的三维场景解析技术的发展,语义SLAM越来越受到关注。虽然已有不少将实时三维重建与语义分割结合的研究,并能得到物体级别的三维语义地图,但这些研究并没有考虑地图语义信息的粒度与组织的问题。机器人要执行一般任务,执行过程并不是一个单一操作,而是由多个阶段组成的。执行任务的不同阶段需要用到的语义信息粒度不同。然而不匹配的语义信息粒度会加大机器人执行任务的计算负担,由此使得重建的语义地图利用价值受到限制。基于室内场景的主要几何结构是平面的事实,本文提出了一个在线构建包含几何-平面布局-物体信息的层级语义地图方法。本文基于不同层次语义信息之间的关系,通过对帧内的平面结构的解析,结合结构化的场景几何信息实现对单帧快速的三维场景解析,得到不同层次的语义信息。本文提出的一种新的平面区域表示方法对平面信息进行结构化和降噪,使得在增加语义信息的同时压缩模型数据量。本文的全局模型采用平面网格-面元混合表示方法,并为此设计了一个相适应的数据融合方法实现对场景的重建。其后,利用全局语义地图中的语义信息,实现对全局模型基于语义的优化,包括:基于语义关系约束减少噪声和平面检测算法不稳定的影响;基于语义信息对分裂面进行合并;利用语义信息对布局平面的被遮挡区域进行补全。在对场景中的布局平面的稳定识别下,可以自动生成室内场景的平面布局地图。最后,我们可以得到一个包含几何-平面布局-物体信息的全局层级语义地图。这样的层级语义地图可以应对用户在不同使用场景下对语义粒度的需求。实验证明,语义信息优化的帧内平面结构解析在召回率上较对比方法有较大改进,且层级语义地图在比SLAM算法的点云模型取得更高的数据压缩率。更多还原显示全部
