[论文笔记]Probabilistic data association for semantic slam

1. introduction

读完总结，感觉这篇文章的主要思想是，提出数据关联，并根据语义的类别结果计算数据关联的概率，然后在优化过程中，根据之前的数据关联作为概率权重，引入与目标检测位置有关的误差项，从而让目标检测来辅助位姿估计。

数据关联和识别问题是不同类别之间离散的，而传统SLAM是连续优化的。

本文的目标是利用目标检测，整合尺度(metric)信息和语义(semantic)信息，用于传感器位姿估计和地图点位置估计。具有语义标签的路标点能够用于解决传统几何SLAM的两个问题：一是数据关联问题，即匹配传感器的观测与路标。二是回环检测，即用于识别之前已经去过的地方。

传统基于位姿图的非线性优化方法，依赖于运动模型和观测模型的线性化，而对于离散的目标检测结果，这就成为了一个问题。

本文的贡献如下：

• 紧密结合了惯性传感器、几何信息、语义观测，于一个单独的优化框架之中。
• 对于联合的尺度-语义SLAM问题，将其分解为两个子问题：连续的位姿优化问题，离散的数据关联和语义标签优化问题。

2. probabilistic data association in SLAM

文章给了一个SLAM问题的定义：

拥有一组地图点：L={ lm}m=1ML=\{l_m\}_{m=1}^{M}L={ lm​}m=1M​

一组传感器观测：Z={ zk}k=1KZ=\{z_k\}_{k=1}^{K}Z={ zk​}k=1K​

一组相机位姿：X={ xt}t=1TX=\{x_t\}_{t=1}^{T}X={ xt​}t=1T​

一组数据关联：D={ (αk,βk)}k=1KD=\{(\alpha_k,\beta_k)\}_{k=1}^{K}D={ (αk​,βk​)}k=1K​

这里数据关联表示，在第k个观测下，从位姿$x_{{\alpha }_k}$观测到路标点$l_{{\beta }_k}$。正常情况下这个从哪能观测到什么是不知道的，比如我从某个观测k的位姿上观测，可能观测到椅子的一个点，也可能观测到杯子的一个点。感觉这里把位姿和观测联想在一起会容易理解一点，观测是在不同位姿下进行的，而它所能观测到的物体是不确定的。这里数据关联和地图点坐标、相机位姿一样，也是待优化的随机变量。

传统SLAM是估计地图点的位姿和相机位姿，但没有考虑数据关联。引入数据关联后，SLAM问题就变成：

$$x,l,d=argma{x}_{x,l,d}logp(z|x,l,d)$$

文章提出了三种求解方法:

第一种是分为两步：

$$D^{\prime }=argma{x}_{D}p(D|X^0,L^0,z)$$

$$X^{\prime },L^{\prime }=argma{x}_{X,L}logp(Z|X,L,D^{\prime })$$

即先根据初始的位姿和路标以及观测，求出数据关联的最优值，再把这个求出的数据关联当作已知条件，求出路标和位姿的最优值。

比如，先根据初始的位姿和路标，确定观测到的是椅子的点还是桌子的点，从而根据椅子或桌子在地图种的位置，来估计相机位姿。

这种方法存在的问题是，如果估计错了数据关联，则对后续的位姿和路标点估计影响很大。同时，模糊的观测会被舍去，以避免错误的数据关联估计，那这些信息就完全无法发挥作用了。

第二种方法解决了第一个问题，它采用迭代的坐标下降法：

$$D^{i+1}=argma{x}_{D}p(D|x^i,L^i,Z)$$

$$x^{i+1},L^{i+1}=argma{x}_{X,L}logp(Z|X,L,$$