FlowFusion：基于光流的动态稠密 RGB-D SLAM
机器人学
2020-03-12 v1 计算机视觉与模式识别
摘要
动态环境对视觉 SLAM 而言极具挑战，因为运动物体会遮挡静态环境特征并导致错误的相机运动估计。本文提出一种新颖的稠密 RGB-D SLAM 方案，可同时完成动态/静态分割、相机自运动估计以及静态背景重建。我们的创新之处在于利用光流残差在 RGB-D 点云中凸显动态语义，并为相机跟踪与背景重建提供更准确高效的动态/静态分割。在公开数据集与真实动态场景上的稠密重建结果表明，与当前最先进方法相比，所提方法在动态与静态环境中均实现了准确且高效的性能。
引用
@article{arxiv.2003.05102,
title = {FlowFusion: Dynamic Dense RGB-D SLAM Based on Optical Flow},
author = {Tianwei Zhang and Huayan Zhang and Yang Li and Yoshihiko Nakamura and Lei Zhang},
journal= {arXiv preprint arXiv:2003.05102},
year = {2020}
}
备注
To be published in ICRA2020