M2-SMap: Memory-Efficient Semantic Mapping with Hierarchical Multi-Model Representation

📄 arXiv: 2608.07074v1 📥 PDF

作者: QiYing Deng, ZhongLai Wang, Yuan Gao, Wei Dong

分类: cs.RO

发布日期: 2026-08-07

备注: 8 pages, 10 figures

💡 一句话要点

提出M2-SMap以解决资源受限机器人中的语义映射问题

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)

关键词: 语义映射 内存效率 多模型表示 高斯组件 特征提取 机器人技术 RGB-D点云 自动驾驶

📋 核心要点

  1. 现有的密集点云地图在资源受限的机器人上难以部署，内存消耗随场景规模快速增长。
  2. M2-SMap通过分层几何分解和投影引导的语义注释机制，提升了映射的内存效率和语义一致性。
  3. 实验结果显示，M2-SMap在29.37 Hz的实时运行下，平均减少了18.7%的原始体素数量，且消除了物体间的粘连现象。

📝 摘要（中文）

密集点云地图作为一种常用的映射表示，因其内存消耗随场景规模迅速增长而难以在资源受限的机器人上部署。尽管紧凑的单模型表示降低了内存成本，但其固定的几何表达能力不足以应对结构多样的环境。现有的多模型方法虽然提高了表示灵活性，但特征提取和模型选择往往受限于局部几何，导致过拟合和物体间粘连。为了解决这些问题，本文提出了M2-SMap，一个基于分层多模型表示的内存高效语义映射框架。通过分层几何分解，将RGB-D点云划分为紧凑的高斯组件，并通过投影引导的语义注释机制为每个组件分配实例身份，最终实现了高效且语义一致的场景表示。

🔬 方法详解

问题定义：本文旨在解决资源受限机器人中密集点云地图的内存消耗问题，现有方法在处理结构多样的环境时表现出几何表达能力不足和物体间粘连的缺陷。

核心思路：M2-SMap通过分层几何分解和语义注释机制，将RGB-D点云映射为高效的多模型表示，旨在提高内存利用率和语义一致性。

技术框架：该方法包括几个主要模块：首先进行RGB-D点云的分层几何分解，将其划分为高斯组件；然后通过投影引导的语义注释为每个组件分配实例身份；最后，采用对象感知的高斯融合策略整合这些注释。

关键创新：M2-SMap的创新在于其分层多模型表示，能够有效处理复杂的场景结构，避免了传统方法中由于局部几何导致的过拟合和物体粘连问题。

关键设计：在特征提取方面，M2-SMap采用多尺度策略，分别表示大平面区域、语义对象和复杂残余结构，使用有界平面、对象级超椭球和GMM原语进行建模。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，M2-SMap在实时运行下达到29.37 Hz，且原始体素数量平均减少了18.7%，显著优于最佳基线。同时，物体间的粘连案例从2.808减少至0，展示了其在场景表示上的高效性和一致性。

🎯 应用场景

M2-SMap在资源受限的机器人应用中具有广泛的潜在应用价值，特别是在自动驾驶、无人机导航和服务机器人等领域。其高效的内存利用和语义一致性能够提升机器人在复杂环境中的自主导航和决策能力，推动智能机器人技术的发展。

📄 摘要（原文）

Dense point cloud maps, as a typically used mapping representation, are difficult to deploy on resource-constrained robots because their memory consumption grows rapidly with scene scale. Although compact single-model representations reduce memory cost, their fixed geometric expressiveness is insufficient for structurally diverse environments. Existing multi-model methods improve representational flexibility, yet their feature extraction and model selection are often dominated by local geometry, which can cause overfitting and adhesion between objects. To address these issues, this paper presents M2-SMap, a memory-efficient semantic mapping framework based on hierarchical multi-model representation. First, a hierarchical geometric decomposition partitions RGB-D point clouds into compact Gaussian components. Then, a projection-guided semantic annotation mechanism assigns instance identities to each component. Subsequently, these annotations are incorporated into an object-aware Gaussian fusion strategy. Furthermore, a multi-scale feature extraction strategy separates large planar regions, semantic objects, and complex residual structures, which are respectively represented by bounded planes, object-level superquadrics, and GMM primitives. Experiments on three RGB-D sequences show that M2-SMap runs in real time at no less than 29.37 Hz while achieving the lowest primitive count, with an average reduction of 18.7% over the best baseline. It also reduces the mean per-frame number of measured inter-object adhesion cases from 2.808 to 0, demonstrating efficient and semantically consistent scene representation.