EM-Fusion：基于概率数据关联的动态物体级 SLAM
计算机视觉与模式识别
2021-12-13 v2 机器人学
摘要
大多数利用 RGB-D 相机获取稠密 3D 环境地图的方法都假设环境为静态，或将运动物体视为离群点而剔除。然而，运动物体的表示与跟踪在机器人或增强现实等应用中具有显著潜力。在本文中，我们提出了一种具有稠密物体级表示的动态 SLAM 新方法。我们在局部体素符号距离函数（SDF）地图中表示刚体物体，并将多物体跟踪表述为 RGB-D 图像与 SDF 表示的直接对齐。我们的主要创新是一种概率公式，其自然地引出了数据关联与遮挡处理的策略。我们在实验中分析了我们的方法，并证明该方法在鲁棒性与精度方面优于最先进的方法。
引用
@article{arxiv.1904.11781,
title = {EM-Fusion: Dynamic Object-Level SLAM with Probabilistic Data Association},
author = {Michael Strecke and Jörg Stückler},
journal= {arXiv preprint arXiv:1904.11781},
year = {2021}
}
备注
IEEE/CVF International Conference on Computer Vision (ICCV) 2019, Project page: https://emfusion.is.tue.mpg.de/, Source code: https://github.com/EmbodiedVision/emfusion