語義建圖七篇論文的相似點和不同點總結
語義建圖方法綜述
一：Mesh Based Semantic Modelling for Indoor and Outdoor Scenes【2013-60】
感測器：RGB-D
3D建圖：surface mapping
地圖表達：triangulated mesh
語義標籤：CRF
數據集：indoor—NYU，outdoor—KITTI
CRF函數：unary+pairwise
二：Urban 3D Semantic Modelling Using Stereo Vision【2013-99】
感測器：stereo
3D建圖：surface mapping
地圖表達：mesh
語義標籤：CRF
數據集：KITTI
CRF函數：unary+pairwise+higher-order（超像素）
二元：
三：Incremental dense semantic stereo fusion for large-scale semantic scene reconstruction【2015-77】
感測器：stereo
3D建圖：FOVIS VO
地圖表達：voxel
語義標籤：Random Forest
數據集：KITTI
CRF函數：unary+pairwise
二元：
四：Building 3D semantic maps for mobile robots using RGB-D camera【2016-6】
感測器：RGB-D
3D建圖：視覺里程計
地圖表達：voxel
語義標籤：SVM
數據集：NYU v2
CRF函數：unary+pairwise+higher-order（超像素）
不同之處在於所有的勢能計算都分為：object categories and structural classes
二元：
高階：
五：Semi-Dense 3D Semantic Mapping from Monocular SLAM【2016-8】
感測器：RGB-D
3D建圖：LSD-SLAM
地圖表達：voxel
語義標籤：Deeplab v2
數據集：indoor—NYU v2，outdoor—KITTI
CRF函數：unary+pairwise
二元：
六：SemanticFusion: Dense 3D Semantic Mapping with Convolutional【2016-64】
感測器：RGB-D
3D建圖：elasticfusion
地圖表達：surfel
語義標籤：CNN+CRF
數據集：NYUv2
CRF函數：unary+pairwise
二元：
七：Semantic 3D Occupancy Mapping through Efficient High Order CRFs【2017-3】
感測器：stereo
3D建圖：ORB-SLAM
地圖表達：grid
語義標籤：CNN+CRF
數據集：KITTI
CRF函數：unary+pairwise+higher-order（超像素）
二元：
高階：
推薦閱讀：
