语义SLAM的重要性:为你量身打造机器人“大白”!
语义
作者: AI快讯
2020-10-18 06:59:21
[ 闻蜂导读 ] 智东西文 | 英特尔中国研究院语义SLAM正是实现这一目标的关键技术,旨在是让机器人从几何和内容两个层次感知世界。语义SLAM是把“语义”和“SLAM”进行有效融合。同时估计相机位姿和图像语义。这种联合估计的方式显著提高了物体识别精度和鲁棒性,展现了位姿信息对语义的帮助。2013年,帝国理工学院的Renato F.Salas-Moreno等人预先对场景中的物体进行3D建模,通过点云和物体的匹

智东西文 | 英特尔中国研究院语义SLAM正是实现这一目标的关键技术,旨在是让机器人从几何和内容两个层次感知世界。语义SLAM是把“语义”和“SLAM”进行有效融合。同时估计相机位姿和图像语义。这种联合估计的方式显著提高了物体识别精度和鲁棒性,展现了位姿信息对语义的帮助。2013年,帝国理工学院的Renato F.Salas-Moreno等人预先对场景中的物体进行3D建模,通过点云和物体的匹配来估计物体位姿。该方法可以认识预先建模的物体,并同时生成稠密、精准的物体级别的语义地图,体现出语义级物体模型对SLAM的帮助。2015年,斯坦福的Vibhav Vineet 等人首次实现了一个接近实时的系统,能同时进行建图和语义分割,展示了把语义SLAM推向实用的可能性。

与学术界不同,语义SLAM在工业界尚未受到广泛关注,主要限制在于精确的语义分析需要大量计算资源(例如目前最先进的图像语义分割方法大多基于深度学习)。尽管如此,随着计算机硬件水平的突飞猛进和软件算法的快速更新,更多语义分析技术已开始在不同行业得到应用,如人脸识别、人体检测等。

我们的工作

语义SLAM是我们机器人交互实验室的研究重点之一。下图是以英特尔办公区为背景生成的语义地图。左图是基于SLAM技术构建的3D点云地图,右图则是融合了语义信息的语义地图。显然,机器人在得到语义地图后,可以轻松获取屋内沙发、椅子、门以及墙壁的位置和形状信息。

举个栗子:我们想让机器人从卧室走到厨房拿个苹果,这该如何实现?依赖传统SLAM,机器人会计算出自己所在的位置(自动计算)和苹果的位置(手动实现),然后进行路径规划和导航。如果苹果放在冰箱里,还需要手动设置冰箱和苹果的关系。但现在借助我们的语义SLAM技术,人类可以更加自然地向机器人发送指令“请去厨房帮我拿苹果”,剩下的工作则由机器人自动完成。在行动过程中,如果机器人前方有一块被污染的地面,传统的路径规划算法需要手动标注污染区,机器人才会绕开。但加入语义信息之后,路径规划和导航都将更加智能。

左图:3D点云地图。

右图:3D语义地图(蓝色 – 沙发; 绿色 – 书架;粉色 – 窗帘;黄色 – 墙;红色 – 桌子……)

我们相信,语义SLAM是实现自然、和谐的人机交互的基础,对于机器人的室内建图、定位、导航等多方面应用将发挥关键作用,基于语义SLAM的研究和应用有着巨大的发展空间。

点击下方“了解更多”关注我们,获取更多科技前沿资讯~

相关文章

  • 刘旷的头像

    刘旷

    购团邦资讯网创始人

  • 冯耀宗的头像

    冯耀宗

    IT评论者、互联网观察员、SEO专家

  • 卢松松的头像

    卢松松

    百强自媒体、IT博客50强、创业者

  • 康斯坦丁的头像

    康斯坦丁

    知名IT评论人,科幻星系创建人,多家知名媒体及企业特邀顾问专家

  • 王雪华的头像

    王雪华

    RUN媒体创始人

  • 月光博客的头像

    月光博客

    知名IT独立博客作者龙威廉


  • 验证码: 看不清?点击更换 看不清? 点击更换
  • 意见反馈
    意见反馈
    返回顶部