为单目物体SLAM构建类别级模型
机器人学
2018-02-27 v1 计算机视觉与模式识别
摘要
我们提出了一种使用单目相机进行实时面向对象SLAM的新范式。与以往依赖物体级模型的方法相反，我们从现已广泛可用的CAD集合中构建类别级模型。为减少对海量标注数据的需求，我们开发了一个渲染流水线，能够从有限量的手动标注数据合成大型数据集。利用如此合成的数据，我们学习了物体三维形变的类别级模型，以及二维判别性物体特征。这些类别模型与实例无关，并有助于设计可纳入通用单目SLAM框架的物体路标观测。典型的物体SLAM方法通常仅求解物体与相机位姿，而我们还实时估计物体形状，从而允许场景中存在该类别下范围广泛的物体。此外，由于我们的二维物体特征是判别性学习的，所提出的物体SLAM系统在多个因特征不足或视差不够而导致基于稀疏特征的单目SLAM失效的场景中仍能成功。同时，所提出的类别模型有助于物体实例检索，对增强现实（AR）应用很有用。我们在多个具有挑战性的真实场景上评估了所提框架，并展示了——据我们所知——首个与实例无关的单目物体SLAM系统的结果及其相对于基于特征的SLAM方法的优势。
引用
@article{arxiv.1802.09292,
title = {Constructing Category-Specific Models for Monocular Object-SLAM},
author = {Parv Parkhiya and Rishabh Khawad and J. Krishna Murthy and Brojeshwar Bhowmick and K. Madhava Krishna},
journal= {arXiv preprint arXiv:1802.09292},
year = {2018}
}
备注
Accepted to ICRA 2018