D$^3$FlowSLAM：基于流运动分解与 DINO 引导的自监督动态 SLAM
计算机视觉与模式识别
2024-08-22 v4 机器人学
摘要
本文提出一种自监督深度 SLAM 方法，可在动态场景中稳健运行并准确识别动态成分。该方法利用静态流与动态流的双流表示，促进动态环境下的有效场景分解。我们基于该表示提出一个动态更新模块，并构建了一个在动态场景中表现出色的稠密 SLAM 系统。此外，我们设计了一种以 DINO 为先验的自监督训练方案，实现了无标签训练。与其他自监督方法相比，我们的方法取得了更优的精度，在某些情况下甚至匹配或超越了现有监督方法的性能。所有代码与数据将在论文被接收后公开。
引用
@article{arxiv.2207.08794,
title = {D$^3$FlowSLAM: Self-Supervised Dynamic SLAM with Flow Motion Decomposition and DINO Guidance},
author = {Xingyuan Yu and Weicai Ye and Xiyue Guo and Yuhang Ming and Jinyu Li and Hujun Bao and Zhaopeng Cui and Guofeng Zhang},
journal= {arXiv preprint arXiv:2207.08794},
year = {2024}
}
备注
Homepage: https://zju3dv.github.io/deflowslam