MaskFusion：多运动物体的实时识别、跟踪与重建
计算机视觉与模式识别
2018-10-23 v2 机器人学
摘要
我们提出MaskFusion，一个实时的、物体感知的、语义且动态的RGB-D SLAM系统，它超越了输出纯几何静态场景地图的传统系统。MaskFusion识别、分割并为场景中的不同物体分配语义类别标签，同时即使它们独立于相机运动时也对其进行跟踪与重建。当RGB-D相机扫描杂乱场景时，基于图像的实例级语义分割创建语义物体掩码，使得实时物体识别以及为世界地图创建物体级表示成为可能。与先前基于识别的SLAM系统不同，MaskFusion不需要其可识别物体的已知模型，并且能处理多个独立运动。MaskFusion充分利用实例级语义分割，将语义标签融合进物体感知地图，这与近期执行体素级语义分割的语义赋能SLAM系统不同。我们展示了增强现实应用，证明了MaskFusion输出的地图的独特特征：实例感知、语义且动态。
关键词
引用
@article{arxiv.1804.09194,
title = {MaskFusion: Real-Time Recognition, Tracking and Reconstruction of Multiple Moving Objects},
author = {Martin Rünz and Maud Buffier and Lourdes Agapito},
journal= {arXiv preprint arXiv:1804.09194},
year = {2018}
}
备注
Presented at IEEE International Symposium on Mixed and Augmented Reality (ISMAR) 2018