.png){kind=icon}
返回
Enhancing loop closure detection with object semantic scan context
.png){kind=icon}
PRE
AI
DOI：10.1007/s10514-026-10270-7.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
回路闭合使移动机器人能够纠正其估计位置中累积的漂移，通过识别先前访问过的地点来帮助构建周围环境的精确地图。基于3D点云的回路闭合是日益发展的移动机器人领域的一项基本任务。当前最先进（SOTA）的方法要求机器人以近距离重访先前探索的区域。为减少环境中不必要的机器人穿行，我们通过在外部参考物（即主要物体，MOs）周围局部描述符（表示）中编码语义特征，构建了一种高效的描述符，称为对象语义扫描上下文（OSSC），以实现即使在中等距离激光雷达扫描之间也能准确检测回路闭合。此外，我们采用有效策略来选择MO(s)并加权语义标签，以增强OSSC在挑战性场景中的区分能力。与依赖语义稀疏性不同，OSSC捕捉MO(s)周围所有物体的语义模式/分布。所提出的描述符在SemanticKITTI和RELLIS-3D数据集上进行了广泛测试，并在各种场景中，特别是在空间上分离的扫描中实现的高精度，证实了其效率和鲁棒性。
Keyword:
Loop closure
Point cloud
Scan context
Place recognition
Localization
SLAM
期刊
IF:
4.3
论文数:
1.7K
被引数:
5.0K
机构
引用论文
.png){kind=icon}
查看更多内容