TRO 2023|东北大学发布面向关联、建图和高层任务的物体级SLAM

以下内容来自小六的机器人SLAM学习圈知识星球每日更新内容

点击领取学习资料 → 机器人SLAM学习资料大礼包

#论文# TRO 2023|东北大学发布面向关联、建图和高层任务的物体级SLAM

【An Object SLAM Framework for Association, Mapping, and High-Level Tasks】

文章链接：https://ieeexplore.ieee.org/document/10128836/auth...

物体级SLAM在机器人高级感知和决策制定中越来越重要。现有的研究在数据关联、对象表示和语义建图方面存在不足，并且常常依赖额外的假设，限制了他们的性能。在本文中，我们提出一个全面的物体级SLAM框架，专注于基于对象的感知和面向对象的机器人任务。首先，我们提出了一种集成数据关联方法，通过结合参数和非参数统计测试，用于在复杂情况下关联对象。

此外，我们提出了一种基于iForest和线对齐的离群值鲁棒的质心和规模估计算法，用于建模对象。然后，通过估计的通用对象模型表示一个轻量级和面向对象的地图。考虑到对象的语义不变性，我们将物体级地图转换为拓扑地图，以提供语义描述符，以实现多地图匹配。最后，我们提出一个对象驱动的主动探索策略，以实现在抓取场景中的自动建图。我们用一系列公开的数据集和真实世界的映射、增强现实、场景匹配、重定位和机器人操作的结果，来评估所提出的物体级SLAM框架的有效性能。