DynaVINS：一种面向动态环境的视觉-惯性 SLAM
机器人学
2022-08-25 v1
摘要
视觉惯性里程计与 SLAM 算法广泛应用于服务机器人、无人机与自动驾驶车辆等诸多领域。大多数 SLAM 算法基于地标静止的假设。然而，真实世界存在各类动态物体，它们会降低位姿估计精度。此外，暂时静态物体（观测期间静止但移出视野后发生运动）会引发错误的正循环闭合。为克服这些问题，我们提出一种新颖的视觉-惯性 SLAM 框架，称为 DynaVINS，其对动态物体与暂时静态物体均具鲁棒性。在我们的框架中，首先提出一种鲁棒束调整，通过利用 IMU 预积分估计的位姿先验来剔除来自动态物体的特征。随后，提出关键帧分组与基于多假设的约束分组方法，以降低暂时静态物体在循环闭合中的影响。接着，我们在包含大量动态物体的公开数据集上评估了本方法。最后，实验结果证实，与其他最先进方法相比，我们的 DynaVINS 通过成功剔除动态与暂时静态物体的影响，具有优异性能。我们的代码见 https://github.com/url-kaist/dynaVINS。
引用
@article{arxiv.2208.11500,
title = {DynaVINS: A Visual-Inertial SLAM for Dynamic Environments},
author = {Seungwon Song and Hyungtae Lim and Alex Junho Lee and Hyun Myung},
journal= {arXiv preprint arXiv:2208.11500},
year = {2022}
}
备注
8 pages, accepted to IEEE RA-L (August 22, 2022)