D2SLAM：基于深度对物体交互影响的动态环境语义视觉 SLAM
机器人学
2023-03-01 v2 计算机视觉与模式识别
摘要
考虑场景动态性是真实视觉 SLAM（vSLAM）应用获取未知环境准确感知的最有效方案。多数现有方法试图通过结合几何与语义方法来判定缺乏泛化与场景感知能力的动态元素，以处理非刚性场景假设。我们提出一种新方法，利用场景深度信息提升几何与语义模块定位的精度，从而克服这些局限。此外，我们通过物体交互模块利用深度信息确定动态物体的影响区域，该模块估计未匹配与未分割关键点的状态。在 TUM-RGBD 数据集上所得结果清晰表明，所提方法优于最先进（SOTA）方法。
引用
@article{arxiv.2210.08647,
title = {D2SLAM: Semantic visual SLAM based on the Depth-related influence on object interactions for Dynamic environments},
author = {Ayman Beghdadi and Malik Mallem and Lotfi Beji},
journal= {arXiv preprint arXiv:2210.08647},
year = {2023}
}