Oct, 2022

动态环境下的自我改进 SLAM: 学习何时进行屏蔽

PDF
TL;DR本文提出了一种新型 SLAM 方法，该方法能够学习到在动态环境中通过遮盖动态物体的方式来提高其性能；我们构建了一个名为 ConsInv 的新数据集，并证明了我们的方法在 TUM RGB-D 数据集上达到了现有水平，并在 KITTI 和 ConsInv 数据集上表现优异。
visual slamsimultaneous localization and mappingobject maskingtemporal maskingconsinv dataset
发现论文，激发创造
  • 面向动态环境的实时 RGB-D 语义 SLAM

    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

  • 动态 SLAM: 速度之需

    本文提出了一种基于特征、无模型、可识别动态物体的 SLAM 算法，使用了语义分割技术来估算场景中刚性运动物体的运动轨迹和速度，并能够生成静态和动态结构的地图。该算法在模拟、合成和实际数据集上均实现了良好的性能。

    Feb, 2020

  • 动态场景下的跟踪、建图和修复

    本文提出了 DynaSLAM，这是一种基于 ORB-SLAM2 的视觉 SLAM 系统，可以检测动态对象并背景填充，适用于单目，立体和 RGB-D 配置，并在公共数据集中证明了其在高度动态场景中优于标准视觉 SLAM 基线的准确性。

    Jun, 2018

  • NID-SLAM：基于神经隐式表示的动态环境下的 RGB-D SLAM

    提出了一种名为 NID-SLAM 的方法，通过增强语义掩膜中的不准确区域和选择关键帧来提高神经 SLAM 在动态环境中的性能。在动态环境中，该方法通过准确删除动态物体来降低相机漂移的概率，从而在跟踪准确性和建图质量方面优于其他竞争性神经 SLAM 方法。

    Jan, 2024

  • DS-SLAM：面向动态环境的语义视觉 SLAM

    本文提出一种名为 DS-SLAM 的鲁棒的语义视觉 SLAM 方法，旨在解决动态环境下的 SLAM 问题，通过将语义分割网络与运动一致性检查方法相结合，提高了在动态环境下的本地化精度，同时生成了一个稠密的语义八叉树地图，可用于高级任务中。经过多组测试，DS-SLAM 的绝对轨迹精度比 ORB-SLAM2 提高了一个数量级，是当前高动态环境下最先进的 SLAM 系统之一。

    Sep, 2018

  • NGD-SLAM：面向无 GPU 动态环境的实时 SLAM

    在动态环境中，通过引入掩蔽预测机制，该论文提出了一种用于实现实时性能的动态环境下的视觉 SLAM 系统，该系统通过将深度学习方法和相机跟踪以不同的频率完全并行运行，从而在 CPU 上实现了实时性能。此外，它还介绍了双阶段光流跟踪方法，并结合光流和 ORB 特征的混合应用，显著提高了系统的效率和鲁棒性。与最先进的方法相比，该系统在动态环境中保持高定位精度的同时，在单个笔记本电脑 CPU 上实现了 56 帧每秒的跟踪帧率，而无需任何硬件加速，从而证明了即使没有 GPU 支持，深度学习方法在动态 SLAM 中仍然可行。根据已有的信息，这是第一个实现此功能的 SLAM 系统。

    May, 2024

  • MaskFusion：多移动目标实时识别、追踪和重建

    MaskFusion 是一种实时、对象感知、语义和动态的 RGB-D SLAM 系统，利用图像实例级语义分割创建语义对象掩码，对物体进行识别和重建，不需要已知的物体模型，发展到实现实例感知、语义和动态等增强现实应用。

    Apr, 2018

  • 自监督激光雷达分割用于自主室内导航学习

    本研究提出了一种自监督学习方法用于激光雷达帧的语义分割，通过结合 SLAM 和光线追踪算法实现自动化注释，训练预测机器人移动场景中的固定结构和可动目标的深度学习模型，同时改进机器人的导航和本地化性能，为机器人导航和目标定位提供了新的途径。

    Dec, 2020

  • 实时单目物体感知稀疏 SLAM

    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

  • 一种在线语义映射系统，用于扩展与增强视觉 SLAM

    本文提出了一种移动视觉系统的实时语义地图构建方法，采用 2D 到 3D 对象检测流程和快速数据关联，将关联检测作为语义约束引入 SLAM 系统进行姿态校正，通过本文提出的观测对象局部关联处理和基于不确定性贪心关联的方案，平均迭代时间达到了 65ms，实验结果表明在公共数据集上能够使现有的 SLAM 系统姿态估计提高 68％。

    Mar, 2022