ObVi-SLAM:长期物体视觉 SLAM
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
VDO-SLAM 是一种稳健的视觉动态物体感知 SLAM 系统,利用语义信息实现对本体运动的准确估计和跟踪,能够精确估计机器人轨迹、物体的 SE(3)运动和空间时序地图。
May, 2020
介绍了一种使用语义特征的视觉惯性里程计系统 SemanticSLAM,可以在室内环境中进行可靠的相机定位,改善位姿估计并生成语义地图,可用于路径规划、避障和机器人导航等下游任务。
Jan, 2024
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
使用高级对象和低级点作为分层地标,采用改进的观测模型和新的数据关联方法,并在粗到精的方式下,利用对象信息增强特征点的数据关联并更新地图,最终优化相机位置和对象,实验证明在定位方面优于面向对象的 SLAM 和特征点的 SLAM 系统。
Feb, 2024
基于对象的开放式语义定位与映射(SLAM)系统通过紧密耦合的概率图模型来识别、定位和编码对象,以实现更准确的 SLAM,并承担较低的计算开销。
Apr, 2024
本文研究了一种单目 SLAM 感知的目标识别系统,该系统利用多视图对象提议和高效特征编码等方法,能够在几乎恒定的时间内使用单个 RGB 相机检测和识别环境中的对象。实验结果表明,该系统具有强大的识别功能,并在 UW RGB-D 数据集上表现出可扩展的运行时性能优势。
Jun, 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
本文提出了一种综合的基于物品的感知和基于物品的机器人任务的物体 SLAM 框架,专注于解决 SLAM 中的数据关联、物体表示和语义地图问题,并通过公开数据集和真实世界结果对其性能进行了评估。
May, 2023
本研究针对移动机器人在动态和复杂环境下自主导航和任务执行的困难,提出了一种基于 LiDAR 和单目视觉 SLAM 的紧耦合几何特征融合框架方法,是当前多模态方法中姿态估计更为精确和健壮的。
Jul, 2023