- 解决**同时定位与地图构建(SLAM) ** 中图匹配在重复或对称布局环境下的歧义问题
- 现有纯几何结构线索难以区分相似场景，导致** 误匹配(mismatch) ** 和定位失败
- 研究背景：室内结构化环境依赖** 场景图(scene graph)** 进行定位匹配，但对称布局带来挑战
- 提出**语义增强图匹配(semantic-enhanced graph matching) ** 方法，显式建模检测对象与结构元素（如房间、墙壁平面）之间的语义关系
- 从** RGB-D数据**中检测对象并集成到局部图中，利用对象-结构关系生成候选对应关系，在几何验证前进行过滤
- 集成于** iS-Graphs框架**内，在合成和模拟环境中进行评估验证
- **首创性** ：首次将**对象-结构语义关系(object-structure semantic relation) ** 显式引入图匹配流程，作为先验过滤候选对应
- ** 效率提升**：通过语义关系减少候选匹配数量，显著降低搜索复杂度和计算开销
- ** 鲁棒性增强**：在对称场景中纯几何方法失效时，语义关系提供额外判别信息，实现更快收敛和更高成功率
- 为**基于图的SLAM(graph-based SLAM) ** 提供一种语义增强的匹配范式，有效解决对称环境歧义问题
- 在合成和模拟实验中证明语义关系能减少候选匹配数量、提高计算效率并加速收敛
- 拓展了** 场景图匹配(scene graph matching)** 在室内定位中的应用，尤其适用于重复性布局场景