基于稀疏点云分割的适应视角变化的场景识别方法

在机器人自主导航中，同时定位与建图负责感知周围环境并定位自身位姿，为后续的高级任务提供感知支撑。场景识别作为其中的关键模块，可以帮助机器人更加准确地感知周围环境，它通过识别当前的观测和之前的观测是否属于同一个场景来校正传感器硬件固有误差导致的误差累积。现有的方法主要关注稳定视角下的场景识别，根据两个观测之间的视觉相似性来判断它们是否属于同一个场景。然而，当观测视角发生变化时，同一个场景的观测可能存在较大的视觉差异，使得观测之间可能只是局部相似，进而导致传统方法失效，因此，一种基于稀疏点云分割的场景识别方法被提出。它将场景进行分割，以解决局部相似的问题，并且结合视觉信息和几何信息实现准确的场景描述和匹配，使得机器人能识别出不同视角下的相同场景，支撑单机的回环检测模块或多机的地图融合模块。该方法基于稀疏点云分割将每个观测分割为若干部分，分割结果对视角具有不变性，并且从每个分割部分中提取出局部词袋向量和β角直方图来准确描述其场景内容，前者包含场景的视觉语义信息，后者包含场景的几何结构信息。之后，基于分割部分匹配观测之间的相同部分，丢弃不同部分，实现准确的场景内容匹配，提高场景识别的成功率。最...