为什么语义很重要：LIDAR语义柱状地图中语义粒子滤波定位的深入研究

摘要

本文介绍了LIDAR语义柱状地图中语义粒子滤波定位的深入研究。在大多数城市和郊区中，树干或者电线杆等柱状结构随处可见。给定结构化路标在地图中的几何位置和来自传感器的测量数据，它们对于自动驾驶车辆的定位非常有用。在本工作中，我们旨在为自动驾驶车辆或者机器人创建一个精确的地图，该地图以柱状结构作为主要的定位路标，因此称为柱状地图。与先前基于柱状物体的建图或者定位方法相比，我们利用了柱状结构的语义信息。具体而言，语义分割是通过一种新的mask-range transformer网络在掩膜分类范例中实现的。使用在每帧中为柱状结构提取的语义，通过融合来自所有帧检测到的柱状结构来构建一个多层语义柱状地图。在给定语义柱状地图的情况下，我们提出一种语义粒子滤波定位方案用于车辆定位。我们从理论上分析了语义信息有利于粒子滤波定位的原因，并且根据经验，在公开SemanticKITTI数据集上验证了当每个粒子的里程计预测和在线观测在很大程度上受到不确定性的影响时，使用语义的粒子滤波定位比没有语义的粒子滤波定位实现了更好的性能。

主要贡献

本文的贡献为三方面：

1）本文提出一种相对完整的语义建图和定位框架，其中定位是基于多通道激光雷达传感器离线创建的语义柱状地图中进行语义粒子滤波来实现的；

2）对于离线语义柱状地图构建，我们基于激光雷达的距离视图表示，首先提出一种掩膜分类范例中的语义分割transformer网络，以从激光雷达扫描中分割柱状结构。然后，通过将基于车辆自身运动检测到的柱状结构与语义特征进行融合，来创建多层语义柱状地图；

3）对于给定创建的语义柱状地图中的在线车辆定位，我们从理论上分析了语义信息如何有益于粒子滤波定位。与现有工作不同的是，本文方法利用了几何和语义的差异性来提高粒子滤波定位性能，既提高了其与真实位姿的接近程度，也抑制了不好的候选位姿。根据经验，我们在具有不确定性的现实世界SemanticKITTI数据集上证明了它的有效性和相对于传统基于多层语义地图的方法的改进。

论文图片和表格

总结

在本工作中，我们提出一种语义建图和定位的完整框架，其中定位是基于多通道激光雷达传感器离线构建的多层语义柱状地图中进行语义粒子滤波来实现的。基于掩膜分类范例中高效的语义分割方法提取的柱状语义，构建了语义柱状地图。在将该语义柱状地图应用于在线定位时，我们提出了一种以柱状物体作为观测信息的基于语义粒子滤波的方案。我们从理论上和经验上都表明，即使在具有很大程度上不确定性的情况下，本文的语义粒子滤波定位方法在给定语义柱状地图时也能实现非常好的性能。在未来，我们将研究在柱状地图中利用其它语义类别来提高定位性能。

文章转载自公众号：自动驾驶专栏