干货丨动态场景下,如何多层次构建地图?
在动态场景下,视觉SLAM中的定位和地图构建面临着巨大的挑战。近年来,许多优秀的研究作品已经提出了有效的定位问题解决方案。然而,关于在动态场景中构建长期一致地图的优秀作品相对较少,这严重阻碍了地图应用的发展。为了解决这个问题,本文中提出了一个针对动态场景的多层次地图构建系统。
附赠自动驾驶最全的学习资料和量产经验:链接
代码在末尾,或者找博主要
01 摘要
多层次地图构建系统采用了多目标跟踪算法、DBSCAN聚类算法和深度信息来矫正目标检测的结果,准确提取静态点云,构建密集的点云地图和八叉树地图。
我们提出了一个专门针对动态场景的平面地图构建算法,涉及动态环境中平面的提取、过滤、数据关联和融合优化,从而创建一个平面地图。同时,还引入了一个专门针对动态场景的物体地图构建算法,包括物体参数化、数据关联和更新优化。
对公共数据集和实际场景的大量实验验证了本研究中构建的多层次地图的准确性,以及所提出算法的鲁棒性。此外,通过利用构建的物体地图进行动态物体跟踪,我们展示了算法的实际应用前景。
02 主要贡献
本文提出了一种适用于动态场景的多层次地图构建算法,如图1所示的系统框架。
首先,利用YOLOX[8]获取场景的语义信息,采用多目标跟踪算法对漏检进行补偿,利用DBSCAN密度聚类算法和深度信息进一步优化潜在移动物体的检测边界框。随后,我们提取点云和平面,并利用主成分分析(PCA)和最小外接矩形对物体进行参数化。此外,对点云、平面和物体进行过滤。接下来,基于我们之前的研究[9](可查看原论文)提供的相机位姿,我们进行点云拼接和融合,对平面和物体进行数据关联和更新优化,随后,将稠密点云地图转换为八叉树地图,最终实现一个多层次地图的构建,包括稠密点云地图、八叉树地图、平面地图和物体地图,从而丰富了地图的应用场景。
图1显示了用于动态场景的多层次地图构建算法的系统框架,通过在公开可用的数据集和实际场景中进行的实验,充分验证了算法的有效性。