SLAM 与语义分割相互提升的统一框架
计算机视觉与模式识别
2019-10-30 v2
摘要
本文提出一种同时实现定位与分割的新颖框架，二者是机器人领域最重要的两类基于视觉的任务。尽管以往认为它们的目标与技术路线不同，我们表明通过利用两个模块的中间结果，可同时提升它们的性能。我们的框架借助分割结果能够处理定位中实例的瞬时运动与长期变化，而分割也受益于精炼的 3D 位姿信息。我们在多个数据集上开展实验，证明该框架能有效提升两项任务的精度与鲁棒性，并优于现有定位与分割算法。
引用
@article{arxiv.1812.10016,
title = {A Unified Framework for Mutual Improvement of SLAM and Semantic Segmentation},
author = {Kai Wang and Yimin Lin and Luowei Wang and Liming Han and Minjie Hua and Xiang Wang and Shiguo Lian and Bill Huang},
journal= {arXiv preprint arXiv:1812.10016},
year = {2019}
}
备注
7 pages, 5 figures.This work has been accepted by ICRA 2019. The demo video can be found at https://youtu.be/Bkt53dAehjY