以下內(nèi)容來自小六的機器人SLAM學習圈知識星球每日更新內(nèi)容

點擊領取學習資料 → 機器人SLAM學習資料大禮包

#論文#開源數(shù)據(jù)集# ?Simulation of Dynamic Environments for SLAM

論文地址：https://arxiv.org/abs/2305.04286

作者單位：馬克斯·普朗克智能系統(tǒng)研究所

仿真數(shù)據(jù)集地址：https://eliabntt.github.io/GRADE-RR/home ?

仿真平臺在機器人技術中被廣泛采用。然而，它們要么缺乏完整的模擬控制，ROS集成，要么缺乏逼真的物理環(huán)境，要么缺乏真實感。近年來，合成數(shù)據(jù)生成和真實感繪制具有先進的任務，如目標跟蹤和人體姿態(tài)估計。然而，當專注于視覺應用時，通常缺乏傳感器測量或時間連續(xù)性等信息。另一方面，大多數(shù)機器人任務的模擬都是在（半）靜態(tài)環(huán)境中進行的，具有特定的傳感器和低視覺保真度。為了解決這個問題，我們在之前的工作中引入了一個完全可定制的框架，用于生成逼真的動畫動態(tài)環(huán)境（GRADE）。我們使用GRADE生成室內(nèi)動態(tài)環(huán)境數(shù)據(jù)集，然后比較不同序列上的多種SLAM算法。通過這樣做，我們展示了當前的研究是如何過度依賴于已知的基準，而無法概括。我們用改進的YOLO和Mask R-CNN模型進行的測試提供了進一步的證據(jù)，表明有必要對動態(tài)SLAM進行額外的研究。

以上內(nèi)容來自小六的機器人SLAM學習圈知識星球每日更新內(nèi)容