DefSLAM：基于单目序列的形变场景跟踪与建图
计算机视觉与模式识别
2020-08-26 v2 图像与视频处理
摘要
单目 SLAM 算法在观测刚性场景时表现鲁棒，然而当观测场景发生形变（例如医疗内窥镜应用）时则会失效。我们提出 DefSLAM，这是首个能够在形变场景中实时运行的单目 SLAM。我们的方法将形状自模板（Shape-from-Template, SfT）与非刚性运动恢复结构（Non-Rigid Structure-from-Motion, NRSfM）技术交织处理，以应对 SLAM 典型的探索性序列。一个形变跟踪线程以帧率通过 SfT 处理建模场景静止形状的模板，恢复相机位姿与观测地图的形变。一个形变建图线程以关键帧率与跟踪并行运行，通过等距 NRSfM 处理一批全透视关键帧来更新模板。在我们的实验中，DefSLAM 在实验室对照实验和医疗内窥镜序列中处理形变场景的特写序列，针对运动相机生成准确的场景三维模型。
引用
@article{arxiv.1908.08918,
title = {DefSLAM: Tracking and Mapping of Deforming Scenes from Monocular Sequences},
author = {Jose Lamarca and Shaifali Parashar and Adrien Bartoli and J. M. M. Montiel},
journal= {arXiv preprint arXiv:1908.08918},
year = {2020}
}
备注
Experiments results: https://www.youtube.com/watch?v=6mmhD2_t6Gs ; More Results: https://www.youtube.com/playlist?list=PLKBuKNhAV30SlKGJ9eaMlAExdWRypUy-K