经典文献阅读之--LESS-Map(长期定位轻量级和逐渐演进的语义地图方案)
0. 简介
精确且长期稳定的定位对于停车场内的行车任务，如自动驾驶或自动代客泊车等，至关重要。现有方法依赖于固定且内存效率低下的地图，缺乏强大的数据关联方法，不适用于精确的定位或长期地图维护。《LESS-Map: Lightweight and Evolving Semantic Map in Parking Lots for Long-term Self-Localization》（https://arxiv.org/pdf/2310.07390.pdf）一文提出了一种基于地面语义特征、利用低成本摄像头的新型地图制作、定位和地图更新系统，提出了一种精确且轻量级的参数化方法，用于建立改进的数据关联，实现厘米级别的精确定位。此外还提出了一种新颖的地图更新方法，通过对参数化的语义特征实现高质量的数据关联，允许在重新定位过程中进行连续地图更新和细化，同时保持厘米级别的准确性。
1. 主要贡献
现有方法缺乏对地面语义信息的强大参数化，导致在制图和定位过程中缺乏强大的数据关联，这个不足会对定位的准确性产生不利影响，同时对地图的长期更新能力有所限制。因此，在这项工作中，我们提出了一种用于地面语义特征的准确且轻量级的参数化方法，以帮助提高制图和定位的准确性和效率。此外提出了一种新颖的地图更新方法，允许在重新定位过程中进行连续地图更新和细化，同时保持厘米级别的准确性。本工作的贡献总结如下：
1.提出了一种用于地面语义特征的新型参数化方法，以实现更高效的位姿估计和更强大的数据关联。
2.提出了一种轻量级的地图维护方法，可以通过后续车辆的定位结果进行更新，实现厘米级别的定位精度。
3.提供了一个完整而实用的地图制作、定位和地图更新流程，通过实际实验在室外和室内场景中表现出可靠性。
2. 系统概述
我们利用四个环视鱼眼摄像头、惯性测量单元（IMU）和轮子编码器来捕捉周围环境并估计车辆的轨迹。所提出的算法包括两个主要组成部分：建图和定位，如图2所示。
图2. 提出算法的概述。我们利用四个周围摄像头提取准确的参数化地面特征。系统主要分为两个部分。第一个（左侧）部分是建图部分，当首次访问环境时，它创建一个全局地图。第二个（右侧）部分是定位和地图更新部分，它进行定位并使用新捕获的环境数据更新先前的地图。
建图：当车辆首次进入环境时，一个基本任务是构建一个全局地图，作为后续定位和地图更新的基础。我们从环视摄像头中提取地面语义特征，并将其投影到三维空间中。通过估计这些观测的不确定性来增强地图融合。然后，我们使用第III-C节中详细介绍的方法对这些特征进行参数化。结果，全局地图通过姿态估计和闭环的精化而生成。
定位和地图更新：在构建全局地图之后，当车辆返回环境时，可以利用新捕获的环境数据进行定位和地图更新。考虑到环境的动态性和可能进入未映射区域的可能性，我们构建了一个因子图来融合里程计和定位结果，得到一个经过微调的全局轨迹和一个新生成的地图。然后，新生成的地图与现有地图无缝合并，确保地图更新过程的稳健性和一致性。
3. 义分割和云投影
我们采用一个强大的分割网络[23]，从原始的鱼眼图像中有效地检测地面、车道线和道路标记。在语义分割之后，我们将鱼眼图像转换为车辆坐标系内的语义点云。这个转换过程包括对鱼眼图像进行去畸变处理和执行逆透视映射（IPM）[24]。
鱼眼相机使用实用的鱼眼相机模型[25]进行建模，该模型将相机的投影模型表示如下：
在图像中，u和v是像素坐标，u_c和v_c是以相机光轴为原点的像素坐标，u_0和v_0是像素坐标系中光轴中心的坐标，λ是一个比例因子，d(ρ)表示畸变多项式d(ρ) = a_0 + a_2ρ^2 + a_3ρ^3 + a_4ρ^4，S是拉伸矩阵。因此，与鱼眼图像中像素坐标u、v对应的无畸变坐标u^′、v^′可以表示为：
在获得无畸变像素坐标u^′、v^′之后，可以使用预先校准的逆透视矩阵H 来获取车辆坐标系中的点云(x_b, y_b)。
为了方便后续的局部地图融合，我们在投影过程中计算了一个置信度指标，用于评估投影语义点云的观测质量。根据上述计算，车辆中心点 (x_b, y_b) 到距离 \sqrt{x^2_b + y^2_b}可以表示为像素坐标 (u, v) 的函数 f(u, v)。该函数的梯度||∇f|| 表示像素在物理空间中的大小。较大的||∇f|| 表示像素在物理空间中存在更大的不确定性。由于 ||∇f|| 的大小与相机模型相关，我们使用一个归一化函数为每个像素定义了一个置信度指标：
其中a和b是与因素相关的两个参数，例如图像大小、畸变模型和相机安装位置。这个置信度测量表示相机投影模型在特定区域内的观测质量。图3展示了这个置信度测量的可视化结果。值得注意的是，由于给定相机的投影映射保持不变，上述步骤只需要在相机初始化期间计算一次，不需要重复计算。
点击经典文献阅读之--LESS-Map(长期定位轻量级和逐渐演进的语义地图方案)可查看全文