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

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

#論文##開源代碼# ?RGB-D Inertial Odometry for a Resource-restricted Robot in Dynamic Environments

論文地址：IROS2022論文集

作者單位：哈爾濱工業(yè)大學(xué)

開源代碼：https://github.com/HITSZ-NRSL/Dynamic-VINS

? ? 當(dāng)前的同時定位和映射（SLAM）算法在靜態(tài)環(huán)境中表現(xiàn)良好，但在動態(tài)環(huán)境中很容易失敗。最近的工作將基于深度學(xué)習(xí)的語義信息引入SLAM系統(tǒng)，以減少動態(tài)對象的影響。然而，在資源受限的機(jī)器人的動態(tài)環(huán)境中應(yīng)用魯棒定位仍然具有挑戰(zhàn)性。本文提出了一種用于動態(tài)環(huán)境中資源受限機(jī)器人的實時RGB-D慣性里程計——Dynamic-VINS。三個主要線程并行運行：對象檢測、特征跟蹤和狀態(tài)優(yōu)化。

? ? ?所提出的動態(tài)VINS將對象檢測和深度信息結(jié)合用于動態(tài)特征識別，并實現(xiàn)了與語義分割相當(dāng)?shù)男阅?。動態(tài)VINS采用基于網(wǎng)格的特征檢測，并提出了一種快速高效的方法來提取高質(zhì)量的fast特征點。IMU用于預(yù)測運動，以進(jìn)行特征跟蹤和運動一致性檢查。所提出的方法在公共數(shù)據(jù)集和現(xiàn)實世界應(yīng)用上進(jìn)行了評估，并在動態(tài)環(huán)境中顯示出具有競爭力的定位精度和魯棒性。然而，據(jù)我們所知，這是目前在動態(tài)環(huán)境中用于資源受限平臺的最佳性能實時RGB-D慣性里程計。

本文貢獻(xiàn)如下：

1、提出了一種基于RGB-D慣性里程計的高效優(yōu)化方法，以在動態(tài)和復(fù)雜環(huán)境中為資源受限的機(jī)器人提供實時狀態(tài)估計結(jié)果。

2、 提出了輕量級的特征檢測和跟蹤來減輕計算負(fù)擔(dān)。此外，提出了結(jié)合對象檢測和深度信息的動態(tài)特征識別模塊，以在復(fù)雜和室外環(huán)境中提供魯棒的動態(tài)特征辨識。

3、 進(jìn)行了驗證實驗，以顯示所提出的系統(tǒng)在動態(tài)環(huán)境中的資源受限平臺上的競爭準(zhǔn)確性、魯棒性和效率。

以上內(nèi)容來自小六的機(jī)器人SLAM學(xué)習(xí)圈 每日更新內(nèi)容