基于弱监督语义分割的可移动物体感知视觉SLAM
机器人学
2019-08-01 v2 计算机视觉与模式识别
摘要
移动物体会严重损害依赖于静态世界假设的视觉同步定位与建图（vSLAM）系统的性能。运动去除在解决该问题上已取得成功。两类主要解决方案分别基于几何约束或深度语义分割神经网络。前者依赖于静态多数假设，后者需要耗费人力的逐像素标注。本文提出采用一种新颖的弱监督语义分割方法。分割掩码由仅使用图像级类别标签预训练的CNN获得。因此，我们利用了深度语义分割CNN的能力，同时避免了训练所需的高成本标注。我们将运动去除方法与ORB-SLAM2系统集成。在TUM RGB-D和KITTI立体数据集上的实验结果证明了我们相对于最先进方法的优越性。
引用
@article{arxiv.1906.03629,
title = {Movable-Object-Aware Visual SLAM via Weakly Supervised Semantic Segmentation},
author = {Ting Sun and Yuxiang Sun and Ming Liu and Dit-Yan Yeung},
journal= {arXiv preprint arXiv:1906.03629},
year = {2019}
}