Object semantic metric Mapping

「Object semantic metric Mapping」指的是把场景中的物体、它们的语义类别，以及可度量的属性对应起来的一套方法。它常见于计算机视觉、机器人感知、三维场景理解和地理信息处理等场景，用来让机器不仅知道“那里有个东西”，还知道“它是什么、有多大、在哪里”。

基本含义与用途

简单说，它要做三件事：识别物体（Object）、理解语义（semantic，比如是车、树还是路面）、建立度量关系（metric，比如尺寸、距离、坐标）。映射（Mapping）则是把这些信息组织到统一的空间或数据结构中。常见用途包括：让机器人规划可通行区域、在三维地图中标注物体类别和实际尺寸、把图像识别结果落到带真实尺度的地图上，以及支持自动驾驶对周围障碍物的理解。

常见问题

实际使用中，问题往往出在“对不上”。一是语义和度量脱节：分类很准，但物体边界和真实尺寸偏差大。二是坐标系不一致：图像坐标、点云坐标、地图坐标之间转换出错，导致物体位置漂移。三是尺度歧义：单张图像难以恢复真实大小，需要深度或标定信息。四是类别体系不统一：不同模型用的标签定义不同，映射时出现冲突。五是动态场景：物体移动后，语义和度量需要同步更新，否则地图会过时。

怎么判断与怎么选

判断一套方案是否可靠，可以看三点：语义标签与度量属性是否在同一坐标系下一致；对尺度变化和遮挡是否稳定；更新机制是否跟得上场景变化。选择时，先明确任务需要的是二维图像级映射还是三维空间级映射，再确认是否有可靠的标定和深度来源。若侧重地图标注，优先看坐标一致性和类别体系；若侧重机器人感知，优先看实时性和尺度精度。最后，用少量典型场景做交叉验证，比只看单一指标更能反映实际效果。