Det-SLAM：一种基于 Detectron2 的面向高动态场景的语义视觉 SLAM
机器人学
2023-12-07 v1 计算机视觉与模式识别
摘要
据专家所言，同步定位与建图（SLAM）是自主机器人系统的内在组成部分。过去几十年中，已发明并使用了若干性能令人印象深刻的 SLAM 系统。然而，仍存在未解决的问题，例如如何处理动态情形中的运动物体。经典 SLAM 系统依赖于静态环境假设，该假设在高动态情形下变得不可行。近年来已提出若干方法以应对此问题，但各自存在局限。本研究将视觉 SLAM 系统 ORB-SLAM3 与 Detectron2 相结合，提出 Det-SLAM 系统，其利用深度信息与语义分割来识别并消除动态区域，从而实现面向动态情形的语义 SLAM。对公开 TUM 数据集的评估表明，Det-SLAM 比先前的动态 SLAM 系统更具鲁棒性，并能降低动态室内场景中相机位姿的估计误差。
引用
@article{arxiv.2210.00278,
title = {Det-SLAM: A semantic visual SLAM for highly dynamic scenes using Detectron2},
author = {Ali Eslamian and Mohammad R. Ahmadzadeh},
journal= {arXiv preprint arXiv:2210.00278},
year = {2023}
}
备注
5 pages, 2 figures