以下内容來自從零開始機器人SLAM知識星球 每日更新内容
#論文# Large-scale Autonomous Flight with Real-time Semantic SLAM under Dense Forest Canopy 論文位址：https://arxiv.org/abs/2109.06479v4
作者機關：賓夕法尼亞大學 開源代碼：https://github.com/KumarRobotics/sloam 語義建圖使用一組語義對象表示環境。這種表示具有存儲效率、更少的歧義和更多的資訊，進而促進了大規模自治和在高度非結構化、沒有gps的環境中擷取可操作的資訊。在這篇文章中，我們提出了一個系統，可以在具有挑戰性的樹冠下環境中執行大規模自主飛行和實時語義建圖。我們從雷射雷達資料中檢測和模組化樹幹和地面平面，這些資料通過掃描相關聯，并用于限制機器人位姿和樹幹模型。自主導航子產品利用多級規劃和建圖架構，計算動态可行軌迹，引導無人機以計算和存儲高效的方式建構使用者定義的感興趣區域的語義地圖。設計了一種漂移補償機制，利用語義SLAM輸出實時最小化裡程計漂移，同時保持規劃器的最優性和控制器的穩定性。這導緻無人機在規模上精确和安全地執行其任務。本文的主要貢獻有: 1、第一個将語義SLAM實時內建到自主無人機回報回路中的系統，而僅依靠機載傳感和計算。語義SLAM與漂移補償機制相結合，使無人機裡程測量漂移最小化。2、我們提出了一種無人機硬體和軟體系統，能夠在大規模、非結構化、雜亂和gps拒絕的環境中進行遠端自主飛行。
以下内容來自從零開始機器人SLAM知識星球 每日更新内容