【上海交通大学】面向室内自主泊车：全局一致的语义SLAM系统和语义定位子系统

主要观点总结

本文介绍了一种全局一致的语义SLAM系统（GCSLAM）和语义融合的定位子系统（SF-Loc），用于室内自主泊车。系统通过视觉相机、IMU和车轮编码器的多传感器数据，实现精确语义建图和鲁棒定位。文章主要贡献包括GCSLAM系统的提出，其基于因子图优化，引入创新的停车位表示和新的几何语义结合误差项；一个停车位管理模块的引入，能存储和更新全局停车位，处理噪声和错误检测结果；基于地图的定位子系统SF-Loc的开发，融合了语义ICP结果和里程计约束。系统在复杂的现实世界室内停车场验证中表现出实时、高精度的定位和语义建图性能。

关键观点总结

关键观点1: 全局一致的语义SLAM系统（GCSLAM）的提出

GCSLAM基于因子图优化，使用多传感器数据和鸟瞰图语义信息的新误差项进行约束，实现精确语义建图和鲁棒定位。

关键观点2: 停车位管理模块的引入

该模块存储停车位观测结果，更新全局停车位，并能处理噪声和错误检测结果。

关键观点3: 基于地图的定位子系统SF-Loc的开发

SF-Loc融合语义ICP结果和里程计约束，使用新的因子图优化，提高定位精度。

关键观点4: 系统在实际应用中的性能表现

系统在复杂的现实世界室内停车场中验证，实现实时、高精度的定位和语义建图性能，表现出卓越的能力。