基于環(huán)境語義信息的同步定位與地圖構建方法綜述

李小倩，何 偉，朱世強，李月華，謝 天

之江實驗室，杭州 311100

同步定位和建圖（Simultaneous localization and mapping, SLAM）是機器人利用自身攜帶的視覺、激光等傳感器，在完成自身定位的同時構建環(huán)境地圖的過程，是提高機器人智能性、自主性的核心環(huán)節(jié)，也是機器人相關研究中的一個基本問題[1-2].通過相機采集圖像信息作為環(huán)境感知信息源的SLAM系統(tǒng)稱為視覺 SLAM[3-4]（Visual SLAM，VSLAM），與其他 SLAM系統(tǒng)（如激光 SLAM[5-6]）相比，V-SLAM可感知更加豐富的色彩、紋理等環(huán)境信息[7-8].

V-SLAM系統(tǒng)大多將估計相機位姿作為主要任務，通過多視幾何理論構建三維地圖. 隨著機器人的應用范圍越來越廣，使用者對于機器人的智能程度提出了更高的要求，傳統(tǒng)利用環(huán)境中點、線、面等低級別幾何特征信息的V-SLAM系統(tǒng)在系統(tǒng)定位精度和魯棒性等方面已表現(xiàn)出明顯不足，特別在應對弱紋理環(huán)境、光照變化和動態(tài)目標等方面依然有很多挑戰(zhàn)[9]. 隨著深度學習技術的迅速發(fā)展，其在計算機視覺（Computer vision，CV）的各個領域都有著非常成功的應用. 在此背景下，近年來，越來越多的SLAM研究者使用基于深度學習的方法提取環(huán)境語義信息，以獲取高層次的場景感知和理解，并應用在V-SLAM系統(tǒng)中[10]，輔助視覺SLAM系統(tǒng)提升定位性能、地圖可視化，從而賦予機器人更高效的人機交互能力.

本文專注于對語義SLAM方法進行分析和討論，首先系統(tǒng)地介紹和分析環(huán)境語義信息與SLAM系統(tǒng)結合在定位精度、魯棒性和地圖形式等方面的研究進展，并將語義SLAM技術與傳統(tǒng)V-SLAM技術進行分析和比較. 最后，討論了語……