Amos-SLAM：一种抗动态的两阶段SLAM方法
机器人学
2023-02-24 v1
摘要
传统同步定位与建图(SLAM)系统依赖于静态环境假设，当背景中存在动态物体时无法准确估计系统位姿。基于学习的动态SLAM系统难以处理未知运动物体，而基于几何的方法在消除未识别动态物体对位姿估计的残留影响方面成效有限。为解决这些问题，我们提出了一种抗动态的两阶段SLAM方法。首先，提取先验与非先验动态物体的潜在运动区域，并利用光流跟踪与模型生成方法快速获取用于动态判别的位姿估计。其次，通过动态判断去除每帧中的动态点。针对非先验动态物体，我们提出一种利用超像素提取与几何聚类、基于图像中颜色与几何信息确定潜在运动区域的方法。在公开RGB-D数据集多个低动态与高动态序列上的评估表明，我们所提方法优于当前最优的动态SLAM方法。
引用
@article{arxiv.2302.11747,
title = {Amos-SLAM: An Anti-Dynamics Two-stage SLAM Approach},
author = {Yaoming Zhuang and Pengrun Jia and Zheng Liu and Li Li and Chengdong Wu and Wei cui and Zhanlin Liu},
journal= {arXiv preprint arXiv:2302.11747},
year = {2023}
}