融合语义信息的激光惯性SLAM方法
摘要
针对单一传感器面对大规模城市场景的定位建图任务表现不佳，且环境中的动态物体影响定位精度与地图构建的问题，提出一种包含语义分割和激光惯性里程计的语义同时定位与地图构建方法（SLI-SLAM）。首先图像语义分割模型采用改进的轻量级语义分割网络（D3p-S）完成图像语义分割，并通过传感器间的时空同步，实现点云语义分割，同时设计一种基于面元模型的几何空间一致性进行动态障碍物检测与剔除；其次利用惯性测量单元（IMU）预积分消除激光雷达产生的运动畸变，采用点云地面分割和点云去噪的方法降低计算复杂度；最后采用因子图优化运动轨迹，实现无人车在城市道路环境下快速准确的定位与三维语义地图的构建。实验结果表明，在高动态的城市道路场景下，与经典的激光SLAM算法（LIO-SAM）相比，所提SLI-SLAM的绝对轨迹误差的均方根误差（RMSE）降低了30.33%。
引用本文（GB/T 7714）
张传伟 Zhang Chuanwei, 赵瑞祺 Zhao Ruiqi. 融合语义信息的激光惯性SLAM方法[J]. Laser & Optoelectronics Progress, 2025.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。