速度最快、地图占存最小的非结构化场景SLAM方法：SOS-SLAM

论文标题：

SOS-SLAM:Segmentation for Open-Set SLAM in Unstructured Environments

论文作者：

Jouko Kinnari, Annika Thomas, Parker Lusk, Kota Kondo, Jonathan P. How

导读：在非结构化环境中进行特征提取和匹配、动态物体检测和处理，以及地图表示和更新是当前SLAM系统面临的难题。为了在任何开放环境中实现实时定位与建图，本文提出了SOS-SLAM。在Båtvik数据集上，本方法创建的地图大小仅为其他方法的0.4%，而且匹配速度最快，而且在不同季节和明显的视觉变化情况下（例如积雪覆盖），召回率最高。©️【深蓝AI】编译

1. 背景简介

非结构化环境指的是没有明显的几何结构或者纹理信息的场景，如草地、沙漠、雪地等。非结构化场景SLAM主要有以下几个难点：

▲图1｜SOS-SLAM跟踪无预训练或微调的对象掩码，在连续的相机帧中进行跟踪来构建稀疏的基于对象的地图。它使用对象之间的几何关系稳健地关联对象掩码，在高度模糊的自然地形上进行相关性检测。©️【深蓝AI】编译

●特征提取和匹配：

非结构化场景中的特征点往往不稳定、不可靠或者缺乏区分度，导致特征提取和匹配的困难，从而影响视觉里程计的精度和鲁棒性。

●动态物体检测和处理：

非结构化环境中往往存在着各种动态物体，如行人、车辆、动物等。这些动态物体会造成视觉数据的不一致性，导致误匹配、误检测或者误跟踪，从而降低SLAM的定位和建图的准确性。

●地图表示和更新：

非结构化环境中的地图往往需要更高的维度和精度，以表达复杂的地形和障碍物。这就需要更多的计算资源和存储空间，以及更有效的地图压缩和更新方法。

▲图2｜SOS-SLAM包含两个新颖组件：前端建图和帧对齐。前端建图利用车辆里程计传感器以及相机图像执行SLAM并生成车辆地图。帧对齐通过偏移窗口并使用数据关联算法过滤最可能的对应关系。 ©️【深蓝AI】编译

2. 解决方案

为了实现在开放环境中同时定位与建图，并且不对环境内容进行任何先验假设，本项工作提出了SOS-SLAM。研究者利用Segment Anything Model (SAM) 进行前端分割检测，跟踪对象掩码在帧之间的变化，构建全局地图。之后使用一个稳健的数据关联方法来匹配对象地图中的位置，利用它们的大小来剔除不合理的匹配。针对许多SLAM算法计算资源开销大，研究者设计了一个窗口化的匹配搜索，可以通过牺牲精度来降低计算成本。

在没有先验信息的情况下，匹配搜索问题是具有挑战性的，因为一般情况下会存在大量的匹配对象。给定非常多的候选匹配，即使是当前逼近鲁棒数据关联后端的方法，其运行时间也会随着候选匹配数的平方增长，这使得了它们只能在考虑少量可能匹配的小场景中使用。

研究者以两种方式放宽如上要求：

1）本文的建图流程与基于特征的方法相比提供了一个高效（即小而有区别力）的对象集合，从而实现高效的存储、通信和匹配搜索；

2）研究者注意到，在一架机器人的帧中空间邻近观测到的对象，在第二架机器人的帧中也应该匹配空间上邻近的对象。这种方法利用几何一致性实现紧凑的地图表示，用于高效存储以及利用几何一致性进行更快的匹配搜索。

3. 实验结果

▲表1｜Båtvik数据集中的飞行轨迹描述©️【深蓝AI】编译

▲表2｜随着航线之间视觉差异的增加，在不同航线间的定位性能。©️【深蓝AI】编译

▲图3｜无人机航线主要穿过天然森林和海域。图中显示860米x 860米的区域。©️【深蓝AI】编译

▲图4｜Båtvik季节数据集的示例图像，包括不同季节的积雪覆盖、落叶植物树叶和明显阴影的变化。 ©️【深蓝AI】编译

▲图5｜不同跨季节情况的平均F1分数。图中柱状表示同一视角(左)和不同视角(右)的性能。©️【深蓝AI】编译

▲图6｜根据窗口长度和步长的变化进行搜索时间评估。(a)搜索时间随窗口长度的变化。(b)搜索时间随步幅的变化。©️【深蓝AI】编译

▲图7｜不同的步长和窗口长度下的精确度和召回率。每个图是根据窗口内的最小匹配数的变化生成的。(a) 窗口长度变化，步幅= 10。 (b) 步幅变化，窗口长度= 50。©️【深蓝AI】编译

4. 结论

本文提出了SOS-SLAM：一种用于紧凑地图构建和快速定位的框架，它能够在任何包含可分割物体的开放环境中运行。

地图的紧凑性使得该框架非常适合多智能体场景，能够实现智能体之间的高效通信。在Båtvik户外数据集上的实验表明，该框架能够在不同季节条件下的具有挑战性的非结构化环境中对齐帧，并且能够检测智能体自身的回环闭合。在这两种情况下，每个智能体生成的参考地图的大小都足够高效和简洁，可以在有限的通信带宽下在智能体之间进行传输。

编译｜Deep蓝同学

审核｜Los

移步公众号【深蓝AI】，第一时间获取自动驾驶、人工智能与机器人行业最新最前沿论文和科技动态。