语义SLAM

Semantic SLAM进阶

在定位建图的同时识别物体类别，输出带语义标签的地图

语义 SLAM 是在传统 SLAM（同步定位与建图）里加入语义信息的一类方法：一边估计自身位姿、构建几何地图，一边用检测或分割网络识别墙、桌子、椅子等，把类别写进地图。语义也能反过来帮 SLAM，比如剔除人、车等会动的物体，减少它们对位姿估计的干扰，或以物体为地标做回环检测。代表工作有 2013 年以物体为单位建图的 SLAM++，以及 MIT SPARK 实验室 2019 年开源的 Kimera，它用相机和 IMU 在 CPU 上实时生成带语义标签的三维网格。近年也有基于 NeRF、3D 高斯泼溅的语义 SLAM，但在嵌入式平台上开销仍大。它的输出就是语义地图。