要約
Visual Simultaneous Localization and Mapping (vSLAM) は、コンピューター ビジョンとロボティクス コミュニティで大きな進歩を遂げ、自律型ロボット ナビゲーションや AR/VR などの多くの分野で成功裏に使用されています。
ただし、vSLAM は、動的で複雑な環境では適切なローカリゼーションを実現できません。
セマンティック vSLAM システムは、vSLAM とセマンティック情報を組み合わせることで、近年、上記の問題を解決できる可能性があることが多くの出版物で報告されています。
それにもかかわらず、セマンティック vSLAM に関する包括的な調査はありません。
このギャップを埋めるために、このホワイト ペーパーではまずセマンティック vSLAM の開発をレビューし、その長所と相違点に明確に焦点を当てます。
次に、セマンティック vSLAM の 3 つの主な問題を探ります。セマンティック情報の抽出と関連付け、セマンティック情報の適用、セマンティック vSLAM の利点です。
次に、セマンティック vSLAM システムで広く使用されている現在の最先端の SLAM データセットを収集して分析します。
最後に、セマンティック vSLAM の将来の開発の青写真を提供する将来の方向性について説明します。
要約(オリジナル)
Visual Simultaneous Localization and Mapping (vSLAM) has achieved great progress in the computer vision and robotics communities, and has been successfully used in many fields such as autonomous robot navigation and AR/VR. However, vSLAM cannot achieve good localization in dynamic and complex environments. Numerous publications have reported that, by combining with the semantic information with vSLAM, the semantic vSLAM systems have the capability of solving the above problems in recent years. Nevertheless, there is no comprehensive survey about semantic vSLAM. To fill the gap, this paper first reviews the development of semantic vSLAM, explicitly focusing on its strengths and differences. Secondly, we explore three main issues of semantic vSLAM: the extraction and association of semantic information, the application of semantic information, and the advantages of semantic vSLAM. Then, we collect and analyze the current state-of-the-art SLAM datasets which have been widely used in semantic vSLAM systems. Finally, we discuss future directions that will provide a blueprint for the future development of semantic vSLAM.
arxiv情報
| 著者 | Kaiqi Chen,Jianhua Zhang,Jialing Liu,Qiyi Tong,Ruyu Liu,Shengyong Chen |
| 発行日 | 2022-09-14 05:45:26+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google