单目 SLAM 支持下的物体识别
本文提出一种实时基于物体的 SLAM 系统,利用至今最大的物体数据库,包括一个单目 SLAM 算法,该算法利用可变形物体约束来改善地图并找到其实际比例,和一种新颖的基于二进制词袋的物体识别算法,提供 500 个三维物体的实时检测。
Apr, 2015
本文介绍了一种方法,用于在静态和动态环境下单个图像的三维立方体物体检测和多视图对象 SLAM,并展示了两个部分如何互相改进,对单个图像物体检测,我们从 2D 边界框和消失点采样中生成高质量的 cuboid 提议,并根据与图像边缘的对齐性对提议进行进一步评分和选择。其次,提出了新的对象测量的多视图束调整,以联合优化相机,对象和点的姿态。对象可以提供长程几何和尺度约束,以改善相机姿态估计并减少单眼漂移。而不是将动态区域视为异常值,我们利用对象表示和运动模型约束来改善相机姿态估计。在 SUN RGBD 和 KITTI 上进行的 3D 检测实验证明了与现有方法相比更高的准确性和鲁棒性。在公共 TUM,KITTI 测距和我们自己收集的数据集上,我们的 SLAM 方法实现了最先进的单眼相机姿态估计,同时提高了 3D 对象检测的准确性。
Jun, 2018
本文在单目 SLAM 框架中嵌入了实时深度学习的目标检测器,将普通物体表示为四面体,进一步细化物体重建,检测附加平面标志并建模为独立地标志,可大幅提高系统的定位性能和语义地图的丰富程度。
Sep, 2018
本文提出了一种基于实时语义 RGB-D SLAM 算法的方法,其能够在动态环境中检测已知和未知的运动物体,并通过仅对关键帧进行语义分割来减少计算成本,并保持静态地图以实现强健的相机跟踪,同时提出了一种有效的几何模块来检测未知的移动物体。该算法在公共数据集和实际应用场景中进行了评估,最终实现了在低功耗嵌入式平台上实时运行并能在动态环境中提供高精度的定位与跟踪。
Apr, 2021
本文提出一种使用高级物体和平面地标的单目同时定位与地图构建算法,该算法比基于特征点的 SLAM 建立的地图更加密集、更紧凑且更具语义意义。实验显示,我们的算法能够提高相机的定位精度,特别是在没有闭环的情况下,并且在许多结构化环境中稳健地生成密集地图。
Sep, 2018
本文介绍了 Photo-SLAM,一种具有超级基元地图的创新 SLAM 框架,通过同时利用显式几何特征进行定位和学习隐式光度特征来表示观察环境的纹理信息,以及采用高斯金字塔训练方法逐步学习多级特征以增强逼真的映射性能。实验证明,与当前最先进的 SLAM 系统相比,我们提出的 Photo-SLAM 在线逼真映射的性能显著优于其他系统,如 Replica 数据集中的 PSNR 提高了 30%,渲染速度快了数百倍。此外,Photo-SLAM 可以在像 Jetson AGX Orin 这样的嵌入式平台上实时运行,展示了机器人应用的潜力。
Nov, 2023
提出了一种基于类别级别模型的单目相机实时目标 SLAM 的新范例,利用 CAD 集合构建类别级别模型以帮助设计目标地标观察,并在大数据合成方法中学习对象变形和判别特征,从而在实时场景中可以估算物体形状及位置, 并帮助进行增强现实应用的物体实例检索。
Feb, 2018
ORB-SLAM2 是一个用于单目、双目以及 RGB-D 相机的完整的 SLAM 系统,包括地图重用、回环闭合和重定位能力,利用纯视觉观测、双目视觉观测和 RGB-D 相机,在各种环境下都能实时工作。其基于捆绑调整的后端可以在实现度规尺度精确的同时实现高精度的轨迹估计。通过在 29 个流行的公共数据集上的评估,证明 ORB-SLAM2 的精度达到了最新的最佳结果,因此我们将其开源以便于 SLAM 社区以及其他领域的研究人员使用。
Oct, 2016
本研究提出了一种在线物体级别 SLAM 系统,该系统通过使用 Mask-RCNN 实例分割将复杂的室内场景中的物体进行重建,没有进行内部变形,并将每个物体的信息存储在可优化的 6DoF 姿态图中,以实现高度内存效率和较高的在线性能。
Aug, 2018
3DS-SLAM 是一种针对动态场景的 3D 语义建图算法,通过 3D 物体检测和动态特征过滤等方法,解决了动态环境下相机定位的精度问题。与其他四个主流动态场景 SLAM 系统相比,3DS-SLAM 在 TUM RGB-D 数据集的动态序列上平均提高了 98.01% 的性能。
Oct, 2023