以下内容来自小六的机器人SLAM学习圈知识星球每日更新内容
#论文# IROS 2023|MIT发布非结构化环境中基于不同视点构建的语义对象地图的全局定位
【Global Localization in Unstructured Environments using Semantic Object Maps Built from Various Viewpoints】
⭐IROS Best Paper Award on安保和救援机器人 Safety, Security, and Rescue Robotics in memory of Motohiro Kisoi
文章链接：http://arxiv.org/abs/2303.04658
作者单位：麻省理工学院
我们提出了一种新的框架，用于在非结构化环境中实现车辆的全局定位和引导重定位。与现有的方法相比，我们的管道不依赖于来自城市固定装置(例如,车道线、建筑物等)的线索，也没有做出要求车辆在道路网络上导航的假设。相反，我们通过将车辆的局部语义对象图与可能从其他视点、时间段和/或模态构建的紧凑语义参考图进行鲁棒关联和注册，实现了在城市和非城市环境中的定位。通过我们的基于图的数据关联算法，实现了对噪声、异常值和缺失对象的鲁棒性。
进一步地，我们的管道的引导重定位能力缓解了基于里程计的定位在初始全局定位后固有的漂移。我们在两个公开的、真实世界的数据集上评估了我们的管道，以证明其在非城市和城市环境中全局定位的有效性。使用卡特韦克Beach Planetary Rover数据集来展示我们的管道在非结构化环境中执行精确全局定位的能力。在KITTI数据集上的演示表明，在由航空图像创建的参考地图中定位时，在序列00上的所有35个定位事件中，平均位姿误差为3.8 m。与现有工作相比，我们的管道更具有一般性，因为它可以在非结构化环境中使用从不同角度构建的地图进行全局定位。
以上内容来自小六的机器人SLAM学习圈知识星球每日更新内容
推荐阅读
3D Gaussian Splatting，我不允许你还不知道！（附交流群）
开讲！世界第一款开源的自动驾驶一体化框架Autoware！（附交流群）
深度教程！深度学习特征提取匹配开源算法SuperPoint和SuperGlue
