语义SLAM和多传感器融合是自动驾驶建图和定位部分比较热门的两种技术。这篇技术文章主要想介绍一篇基于概率模型的语义定位方法。文章名字是Semantic Localization Via the Matrix Permanent，是 University of Pennsylvania 的GRASP实验室。还有一篇类似的文章，名字是Localization from semantic observations via the matrix permanent。他们组后续一篇文章Probabilistic Data Association for Semantic SLAM得了ICRA2018最佳论文奖。
语义SLAM中，语义信息的数据关联相较于特征点的数据关联有所不同。我们一般用特征描述子的相似性来匹配和关联不同图像中的特征点。特征点的描述子会受到光照、视角和传感器的影响，不太适用于大尺度长周期的任务，比如自动驾驶的高精度地图。得益于深度学习的快速发展，这些影响因素对于目标识别、语义分割来说已经不是最本质的困难，因此语义信息在高精度地图中越来越受重视。而在SLAM中，语义信息的数据关仍然是一个值得研究的问题。这个问题的关键在于，一幅图像中可能检测出数个相同类别的目标物体，如何能够正确地将其对应于地图数据中已有的该类别的3D物体。
本篇文章的出发点是用概率模型建模数据关联过程，通过求解后验概率\(p(Z|Y,X)\)，利用粒子滤波的框架求解姿态\(X\)。其中，\(Z\)是观测，\(Y\)是地图中的路标点（landmark），\(X\)是姿态（pose）。这里假设地图已经建立，其中路标点的位置、类别等信息已经包含在地图中。文章的模型基于很少的先验假设，只需要语义信息和一些识别算法的先验概率，因此有很广的适用范围。
这篇文章的创新点个人总结有以下几点。
- 尝试去建立路标点和观测之间的所有可能的概率关联，而不是一对一的数据关联。这样的好处是避免一对一关联中错误关联的影响。因为在语义SLAM中，语义信息的数量相比于特征点而言是稀少的，因此不当的数据关联的个数应当尽可能的少，否则可能导致姿态估计很快出现漂移。
- 考虑了目标识别中的错误率和漏检率。
- 优化了后验概率的计算方法。建立整个概率分布是一个\(N!\)复杂度的问题，作者将其转化为一个多项式复杂度的问题。
作者在文章中只用了语义信息，还没有应用传统SLAM和多传感器融合的方法。如果要应用到实际中，可能可以融合一些其它的想法。另外，这篇文章并没有开源代码能够参考，运行速度上肯定也需要优化。
先写这些吧，下次再介绍一些具体的内容。
原文地址：https://www.cnblogs.com/luyb/p/9430488.html