以下內(nèi)容來自小六的機(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 SLAM in Indoor Planar Environments with Multiple Large Dynamic Objects

論文地址：https://arxiv.org/abs/2303.13316

作者單位：香港中文大學(xué)

這項(xiàng)工作提出了一種新的稠密RGB-D SLAM方法，用于動(dòng)態(tài)平面環(huán)境，能夠同時(shí)進(jìn)行多目標(biāo)跟蹤、相機(jī)定位和背景重建。以前的動(dòng)態(tài)SLAM方法要么依賴于語義分割來直接檢測動(dòng)態(tài)對象；要么假設(shè)動(dòng)態(tài)對象占據(jù)相機(jī)視圖的比例比靜態(tài)背景小，因此可以作為離群值去除。在相機(jī)運(yùn)動(dòng)先驗(yàn)的輔助下，當(dāng)相機(jī)的視場被多個(gè)動(dòng)態(tài)物體遮擋時(shí)，我們的方法能夠?qū)崿F(xiàn)稠密的SLAM。動(dòng)態(tài)平面對象通過其不同的剛體運(yùn)動(dòng)進(jìn)行分離，并獨(dú)立跟蹤。剩余的動(dòng)態(tài)非平面區(qū)域?qū)⒆鳛楫惓Ｖ狄瞥⑶也粫?huì)映射到背景中。評估結(jié)果表明，該方法在定位、映射、動(dòng)態(tài)分割和目標(biāo)跟蹤方面都優(yōu)于最先進(jìn)的方法。我們還證明了它對相機(jī)運(yùn)動(dòng)先驗(yàn)大漂移的魯棒性。

本文貢獻(xiàn)如下：

1、一種新的室內(nèi)動(dòng)態(tài)環(huán)境下基于平面的在線多運(yùn)動(dòng)分割方法；

2、一種同時(shí)跟蹤多個(gè)平面剛體目標(biāo)、估計(jì)相機(jī)自身運(yùn)動(dòng)并重建靜態(tài)背景的新流水線方法；

3、一種對多個(gè)大動(dòng)態(tài)目標(biāo)引起的大遮擋相機(jī)視場具有較強(qiáng)魯棒性的RGB-D SLAM方法。

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