一、主要内容
这篇文章做的也是semantic mapping的工作,创新的点是,不单给了每个点类别,同时给出了object的概念,存储了每一个object的3d点云。最终的地图是由object的点云和背景构成的语义地图。
文章新意不太多,主要是加了物体检测,但是SSD+额外的基于几何的点云分割感觉有点绕弯。另一篇用mask RCNN的应该更好。(不过文章引用和related works写的很好。
贡献
进行instance-level的物体检测,构建以object为单位(object models as central entities)的地图,比基于纯语义分割的semantic mapping高了一级。
模块
- SLAM:ORB-SLAM2
- 检测框架:SSD
- 分割框架:一个3D点云的分割方法:Geometrically consistent plane extraction for dense indoor 3D maps segmentation
- 融合:概率累加、类ICP的object与map融合方法
- 相机:RGBD相机(primeSense)