利用 SLAM 离群点学习分割动态物体
计算机视觉与模式识别
2022-10-18 v2
摘要
我们提出一种利用 SLAM 离群点自动学习分割动态物体的方法。它仅需每个动态物体的一段单目序列用于训练，包含利用 SLAM 离群点定位动态物体、生成其掩码，并用这些掩码训练语义分割网络。我们将训练好的网络集成进 ORB-SLAM 2 与 LDSO。在运行时我们移除动态物体上的特征，使 SLAM 不受其影响。我们还提出一个新的立体数据集与新的指标来评估 SLAM 鲁棒性。我们的数据集包含共识反转，即 SLAM 在动态物体上使用的特征多于静态背景的情况。共识反转对 SLAM 极具挑战，可能导致严重 SLAM 失效。我们的方法在 TUM RGB-D 数据集的单目模式以及我们数据集的单目与立体模式下均优于当前最优（State-of-the-Art）。
引用
@article{arxiv.2011.06259,
title = {Learning to Segment Dynamic Objects using SLAM Outliers},
author = {Adrian Bojko and Romain Dupont and Mohamed Tamaazousti and Hervé Le Borgne},
journal= {arXiv preprint arXiv:2011.06259},
year = {2022}
}
备注
Published in the proceedings of ICPR 2020 (25th International Conference on Pattern Recognition): https://ieeexplore.ieee.org/abstract/document/9412341