Attention-SLAM：一种从人类注视中学习的视觉单目 SLAM
计算机视觉与模式识别
2020-09-16 v1 机器人学
摘要
本文提出一种新颖的同步定位与建图（SLAM）方法，即 Attention-SLAM，其通过将视觉显著性模型（SalNavNet）与传统单目视觉 SLAM 结合来模拟人类导航模式。多数 SLAM 方法在优化过程中将图像提取的所有特征视为同等重要。然而，场景中的显著特征点在人类导航过程中具有更显著的影响。因此，我们首先提出一种称为 SalNavNet 的视觉显著性模型，其中引入相关模块并提出自适应指数移动平均（EMA）模块。这些模块缓解了中心偏置，使 SalNavNet 生成的显著性图更关注同一显著物体。此外，显著性图模拟人类行为以精炼 SLAM 结果。从显著区域提取的特征点在优化过程中具有更大重要性。我们向 Euroc 数据集添加语义显著性信息以生成开源显著性 SLAM 数据集。综合测试结果表明，在大多数测试案例中，Attention-SLAM 在效率、精度和鲁棒性上优于 Direct Sparse Odometry (DSO)、ORB-SLAM 和 Salient DSO 等基准。
引用
@article{arxiv.2009.06886,
title = {Attention-SLAM: A Visual Monocular SLAM Learning from Human Gaze},
author = {Jinquan Li and Ling Pei and Danping Zou and Songpengcheng Xia and Qi Wu and Tao Li and Zhen Sun and Wenxian Yu},
journal= {arXiv preprint arXiv:2009.06886},
year = {2020}
}