以下內容來自小六的機器人SLAM學習圈知識星球每日更新內容

點擊領取學習資料 → 機器人SLAM學習資料大禮包

#論文# TRO 2023|東北大學發(fā)布面向關聯、建圖和高層任務的物體級SLAM

【An Object SLAM Framework for Association, Mapping, and High-Level Tasks】

文章鏈接：https://ieeexplore.ieee.org/document/10128836/auth...

物體級SLAM在機器人高級感知和決策制定中越來越重要?，F有的研究在數據關聯、對象表示和語義建圖方面存在不足，并且常常依賴額外的假設，限制了他們的性能。在本文中，我們提出一個全面的物體級SLAM框架，專注于基于對象的感知和面向對象的機器人任務。首先，我們提出了一種集成數據關聯方法，通過結合參數和非參數統(tǒng)計測試，用于在復雜情況下關聯對象。

此外，我們提出了一種基于iForest和線對齊的離群值魯棒的質心和規(guī)模估計算法，用于建模對象。然后，通過估計的通用對象模型表示一個輕量級和面向對象的地圖?？紤]到對象的語義不變性，我們將物體級地圖轉換為拓撲地圖，以提供語義描述符，以實現多地圖匹配。最后，我們提出一個對象驅動的主動探索策略，以實現在抓取場景中的自動建圖。我們用一系列公開的數據集和真實世界的映射、增強現實、場景匹配、重定位和機器人操作的結果，來評估所提出的物體級SLAM框架的有效性能。