LiDAR-Based Object-Level SLAM for Autonomous Vehicles

这篇论文是2021年ICRA上一篇很新的激光SLAM与点云信息融合的论文，这篇论文有意思的点在于采用了一种很新奇的语义信息获取方法，并用这种方法延伸出一种基于物体的SLAM方法。

一、相关工作

一般来说论文相关工作这部分没有太多好说的，但是这篇论文中作者提到了一句很有意思的话，作者认为目前关于语义信息与SLAM的整合的研究，语义信息的应用主要分为两个方向：一个方向是利用神经网络对点云进行分割，对每个点都打上一个语义标签；另一个方向则是所谓的基于物体的SLAM方法，这个方式利用语义去识别物体，利用物体的整体去进行后续的SLAM过程。

参考论文后续的内容，这里的两种方法，个人的理解是第一种方法指的是利用神经网络处理点云数据，得到每个点的语义标签之后，再以点为基本单位去处理后续的内容，本质上还是一个基于点的SLAM过程，而第二种方法使用的语义信息，更倾向于大范围的物体，直接将具有同一个语义标签的点组合为一个整体，将整体作为SLAM过程的基本单位。举个例子，对于点云中的一个瓶子，第一种方法会拿一大堆标记为瓶子的点作为后续的基本单位，而第二种方法直接将瓶子作为一个整体，后续的基本单位就是这个瓶子。

二、物体检测

在这篇论文中，作者认为墙壁、柱状物这种所谓的稳定静态的物体，对于定位与建图的鲁棒性有着最大的贡献，而那些动态的物体，本身对建图的意义并不是太大，所以在基于物体的SLAM中，使用的就是这些稳定静态的物体。为了增加使用到的物体，论文将稳定静态的物体的范围扩大为墙壁、柱状物和停放在路边的车辆。

提取的过程也并不是直接使用神经网络，对于得到的点云信息，先利用车辆的里程计进行一遍畸变的校正，之后滤除地面，对于剩余的点云，聚类得到物体，之后将物体投影到二维平面上，用一个bounding box将整个物体包住，利用物体的大小、位置、运动状态来判断物体是否是需要的稳定物体。

从论文提供的效果图可以看到，车辆、路灯杆以及建筑物的边缘（墙壁）在转换为鸟瞰图之后有着比较明显的形状，利用这些信息将稳定静态物体筛选出来。

三、基于物体的SLAM与雷达物体的检测

对于上面提取到的稳定静态物体，根据类型不同，保存不同的信息，柱状体抽象为一个圆，所以保存半径和圆心，线段保存两个端点，不动的车辆则保存为一个矩形，保留一点、朝向和车辆的宽高。

这些信息会在后面送入到后端优化的部分进行优化，得到更加准确的物体规模信息和位置信息。

对于一个SLAM过程，优化的目标残差是一个需要提前明确的问题，在基于物体的SLAM中，一样需要划分这样的残差，论文将残差划分为了三部分，对应上面提取到的三种类型的物体，利用里程计的输出和测量值确定一个差值：

其中π代表一个提取函数，提取自变量中需要的某几项内容，柱状物提取前两个内容，即圆心，静止车辆提取前三项内容，即一个点和车辆朝向，以此表示包裹车辆的矩形的朝向。对于墙壁，提取的内容会稍作处理：

提取的内容变为线段的高度和夹角。

定义好残差之后，论文公式化了基于物体的SLAM的优化目标，用U表示里程计的位姿，用Z表示物体地图，整个的SLAM过程就可以抽象为一个式子：

其中对后验概率的转换为：

四、地图更新

由于遮挡效应的存在，离传感器越近的物体，上面的点的数量就更多，其可信度也就越高，针对这一点，论文引入了一个测量可信度：

其中di表示传感器到物体中心的距离，R表示传感器的感知范围。此外，论文还增加了一个测量一致性的参数：

其中si表示当前测量的尺度，μ和σ表示的则是测量值的平均值和标准差。
利用这两个量，可以确定一个权重w：

根据权重排序之后，一定比例的物体可以在物体地图中更新，但是这种更新并不应用于墙壁，因为测量的长度并不一定是实际的长度，这里本质上还是线段的提取不好确定长度。

五、回环检测

基于物体的回环检测，主要是引入了一种很新奇的分布检测。对于一般的回环检测，使用的大多数是词袋模型，而换为基于物体的回环检测之后，这个过程也需要确定一个类似描述子的存在，这里称为帧的签名。对于回环帧中柱状物，提取出其中心点，记为P，采用下面的两种方法计算描述子：

其中d表示计算距离的函数，对这两个集合，降序排序之后作为帧的描述子（签名）。

候选回环帧的检测则更多依靠距离，对于两个待检测的帧，统计距离小于阈值的点的数量，对于两个集合D和T，计算数量为nD和nT，基于此计算并加权求和，得到相似度分数S：

相似度分数高于一定阈值则认为是候选回环帧，需要再经过一次检验。论文关于候选回环帧的检验没有提太多，因为使用的是另一篇论文中提出的方法，如果重复点的数量足够多而且没有大部分的重复，那么这样的匹配就可以认为是可靠的匹配。

在这篇论文中，作者利用物体的语义信息，提出了很有新意的“基于物体的SLAM”，论文认为现有的利用对点云语义信息的利用主要包括两种方法，一种是利用神经网络对点云中的点做语义标注，之后根据不同点的不同语义信息做后续的操作，而另一种则是将同语义点云整合为一整个物体进行后续的操作。作者认为在定位与制图的过程中，能够使得过程更加鲁棒的，是路灯（柱状物）、墙壁（建筑物）这种能够长期保持静态的物体，考虑到场景的通用性，还将停在路边的车也视为长期静态的物体。不同于利用神经网络给点云打标签的方法，提取这些物体的语义信息时，首先利用汽车里程计信息进行畸变的校正，校正后的点云滤除地面，对剩余部分进行聚类得到物体，之后用bounding box框住这个物体的点云范围，转换为鸟瞰图之后，利用点云的2D投影形状，筛选出墙壁、柱状物和静止的车辆。之后再针对这些特征信息，做SLAM后续的步骤。后续的步骤中针对使用的物体特征，做了单独的SLAM过程的设计，在地图更新时，转换为对物体地图的更新，并且在回环检测时也使用的是物体信息，利用距离信息表示分布，利用分布去表征一个场景，以此进行回环检测。