以下內(nèi)容來(lái)自小六的機(jī)器人SLAM學(xué)習(xí)圈知識(shí)星球每日更新內(nèi)容

點(diǎn)擊領(lǐng)取學(xué)習(xí)資料 → 機(jī)器人SLAM學(xué)習(xí)資料大禮包

#論文# RGB-D-Inertial?SLAM?in Indoor Dynamic Environments with Long-term Large Occlusion

論文地址：https://arxiv.org/abs/2303.13316

作者單位：愛(ài)丁堡大學(xué)

這項(xiàng)工作提出了一種新的RGBD慣性動(dòng)態(tài)SLAM方法，可以在大部分相機(jī)視圖被多個(gè)動(dòng)態(tài)物體長(zhǎng)時(shí)間遮擋時(shí)實(shí)現(xiàn)精確定位。大多數(shù)動(dòng)態(tài)SLAM方法要么在動(dòng)態(tài)對(duì)象占視覺(jué)輸入的很小比例時(shí)將其作為異常值刪除，要么在相機(jī)跟蹤之前使用語(yǔ)義分割檢測(cè)動(dòng)態(tài)對(duì)象。因此，在沒(méi)有先驗(yàn)信息的情況下，很難檢測(cè)到引起大遮擋的動(dòng)態(tài)物體。當(dāng)大遮擋持續(xù)很長(zhǎng)一段時(shí)間時(shí)，來(lái)自靜態(tài)背景的剩余視覺(jué)信息也不足以支持定位。為了克服這些問(wèn)題，我們的框架提出了一個(gè)魯棒的視覺(jué)-慣性BA，同時(shí)跟蹤相機(jī)，估計(jì)動(dòng)態(tài)對(duì)象的聚類(lèi)稠密分割，并通過(guò)結(jié)合稠密和稀疏特征來(lái)維護(hù)靜態(tài)稀疏地圖。實(shí)驗(yàn)結(jié)果表明，與其他先進(jìn)的方法相比，我們的方法在長(zhǎng)期大遮擋場(chǎng)景下具有良好的定位和目標(biāo)分割性能。

本文貢獻(xiàn)如下：

1、一種結(jié)合稀疏和稠密特征的動(dòng)態(tài)目標(biāo)檢測(cè)方法。

2、一個(gè)新的BA方法，同時(shí)提供動(dòng)態(tài)對(duì)象的稠密分割，跟蹤相機(jī)和建圖環(huán)境。

3、一種RGBD慣性SLAM方法，該方法對(duì)多個(gè)未定義動(dòng)態(tài)目標(biāo)引起的長(zhǎng)期大遮擋具有魯棒性。

以上內(nèi)容來(lái)自小六的機(jī)器人SLAM學(xué)習(xí)圈知識(shí)星球每日更新內(nèi)容