具有已知和未知目标的动态语义 VSLAM
计算机视觉与模式识别
2024-12-20 v1
摘要
传统的视觉同步定位与制图（VSLAM）系统假设环境是静态的，这使得它们在高度动态环境中不够有效。为克服这一问题，许多方法整合语义信息以识别图像中的动态区域。然而，这些方法面临一个显著限制，即监督模型无法识别训练数据集中未包含的目标。本文引入一种基于特征的语义 VSLAM，能够在已知和未知目标的存在下检测动态特征。通过采用无监督分割网络，我们实现无标签分割，随后利用目标检测器识别其中已知类别中的任何对象。我们随后利用计算得到的高梯度光流信息，以识别已知和未知目标类别的静态与动态分割。还引入一致性检查模块以进行进一步细化和最终分类为静态与动态特征。使用公共数据集进行评估表明，当图像中存在未知目标时，我们的方法优于传统 VSLAM 方法，而在仅包含已知目标的图像中，仍能与领先的语义 VSLAM 技术保持一致的性能。
引用
@article{arxiv.2412.14359,
title = {Dynamic semantic VSLAM with known and unknown objects},
author = {Sanghyoup Gu and Ratnesh Kumar},
journal= {arXiv preprint arXiv:2412.14359},
year = {2024}
}