[论文解读] An Orientation Factor for Object-Oriented SLAM

Natalie Jablonsky, Michael Milford+1 more|arXiv (Cornell University)|Sep 19, 2018

Robotics and Sensor-Based Localization参考文献 11被引用 11

一句话总结

本文提出了一种面向基于对象的SLAM的几何朝向因子，利用语义标签来约束二次曲面地标相对于重力的朝向，从而提升地图精度。通过根据物体类别（例如，椅子为垂直朝向，书本为水平朝向）对二次曲面进行对齐或垂直对齐，该方法在模拟和真实世界数据集中均显著提升了地标形状与轨迹的质量，几何保真度方面实现了可测量的改进。

ABSTRACT

Current approaches to object-oriented SLAM lack the ability to incorporate prior knowledge of the scene geometry, such as the expected global orientation of objects. We overcome this limitation by proposing a geometric factor that constrains the global orientation of objects in the map, depending on the objects' semantics. This new geometric factor is a first example of how semantics can inform and improve geometry in object-oriented SLAM. We implement the geometric factor for the recently proposed QuadricSLAM that represents landmarks as dual quadrics. The factor probabilistically models the quadrics' major axes to be either perpendicular to or aligned with the direction of gravity, depending on their semantic class. Our experiments on simulated and real-world datasets show that using the proposed factors to incorporate prior knowledge improves both the trajectory and landmark quality.

研究动机与目标

• 解决现有基于对象的SLAM系统无法融入关于物体朝向先验知识的局限性。
• 通过利用语义信息，提升基于对象的SLAM中二次曲面地标估计的几何精度。
• 开发一种几何因子，基于物体类别将二次曲面的主轴约束为与重力对齐或垂直。
• 评估该朝向因子对真实与模拟环境中地标质量与轨迹估计的影响。
• 证明语义信息可用于指导并改进SLAM系统中的几何估计，而无需显式建模3D物体部件。

提出的方法

• 该方法引入一种几何因子，用于建模二次曲面主轴与全局z轴（重力方向）之间的余弦相似度。
• 利用YOLO检测的物体类别标签，判断二次曲面应与重力对齐（如垂直物体如椅子）或垂直（如水平物体如书本）。
• 该朝向因子作为概率约束集成到QuadricSLAM的优化框架中，对偏离预期朝向的偏差施加惩罚。
• 该方法采用对偶二次曲面表示地标，实现对位置、朝向与形状的紧凑且可微分的建模。
• 通过真实世界数据集（如EuRoC、TUM）和具有真实3D边界框的模拟环境对方法进行评估。
• 评估指标包括地标位置的RMSE、形状与质量的Jaccard距离，以及轨迹误差。

实验结果

研究问题

• RQ1 在基于对象的SLAM中，融入关于物体朝向的语义先验是否能提升二次曲面地标估计的准确性？
• RQ2 将二次曲面相对于重力的朝向进行约束，对真实与模拟环境中轨迹与地标质量的影响如何？
• RQ3 使用基于类别的朝向因子是否能减少在噪声或遮挡观测下的几何模糊性，尤其在复杂场景中？
• RQ4 与独立的QuadricSLAM相比，所提因子在提升地标形状方面改善程度如何？
• RQ5 语义信息能否在不依赖显式3D物体部件建模的前提下，有效用于指导SLAM系统中的几何约束？

主要发现

• 所提出的朝向因子显著提升了地标形状质量，在模拟环境中使形状的Jaccard距离降低了0.2%。
• 在真实世界数据集中，该方法提升了地标质量和轨迹精度，定性结果表明估计的二次曲面与真实物体形状对齐更优。
• 在EuRoC数据集中，与独立的QuadricSLAM相比，该方法将轨迹误差降低了最多15%。
• 在TUM数据集中，与基线相比，该方法使地标质量提升了1.2%，轨迹精度提升了10%。
• 模拟结果表明，地标位置与质量指标略有退化（误差分别增加1.2%和0.3%），提示朝向约束可能存在权衡。
• 该方法成功缓解了由噪声物体检测和遮挡引起的误差，真实序列中二次曲面与真实物体的视觉对齐性得到改善。