变结构的鲁棒语义SLAM算法

• 作者: 张铮 李德才 何玉庆
• 来源期刊: 微电子学与计算机
• 学科: 工学
• 关键词: 同时定位与地图构建 语义地图 损失函数 相关熵
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 人工智能与算法
• 页码范围: 9-16
• 页数: 7页
• 分类号: TP242.6
• 语种: 中文
• DOI: 10.19304/J.ISSN1000-7180.2021.0892

摘要

基于深度学习的飞速发展，语义信息逐渐成为SLAM(Simultaneous Location and Mapping)领域的研究热点.由于环境以及传感器本身带来的噪声问题，现有大多数语义SLAM算法所构建的语义地图中存在一些异常点，导致构建的语义地图缺乏一致性，并且影响算法精度.损失函数可以调整对异常点分配的权重，从而抑制异常点的存在.但是大多数语义SLAM算法使用的损失函数本身模型固定，不能很好地适应周围环境噪声的变化.为了解决此问题，提出了一种变结构的鲁棒语义SLAM算法，称为VS-SLAM.采用高斯混合相关熵权重函数作为损失函数，利用其可以通过调整参数，随周围环境噪声变化来改变其模型结构的特点，最大程度地拟合噪声的分布，更有利于降低算法对异常点的权重分配，提高对异常点的鲁棒性.在公开KITTI数据集上的实验表明，本文算法在建图的时间几乎相等的情况下，平均相对平移误差和旋转误差分别降低了5.36%和8.82%，并且构建的语义地图更加具有一致性。