多运动视觉里程计 (MVO)
机器人学
2024-09-18 v4
摘要
视觉运动估计是自主导航中一个研究充分的挑战。近期工作聚焦于解决高度动态环境中的多运动估计。这些环境不仅包含多个复杂运动，还往往表现出显著的遮挡。由于物体被观测到的运动由其真实运动与传感器运动共同构成，因此同时估计第三方运动与传感器自身运动十分困难。多数先前的多运动估计工作通过依赖基于外观的目标检测或特定应用的运动约束来简化该问题。这些方法在特定应用与环境中有效，但难以很好地推广到完整的多运动估计问题 (MEP)。本文提出多运动视觉里程计 (MVO)，一种多运动估计流水线，其在不依赖基于外观信息的情况下估计场景中包括传感器自身运动在内的每个运动的完整 SE(3) 轨迹。MVO 以多运动分割与跟踪技术扩展了传统视觉里程计 (VO) 流水线。它利用基于物理的运动先验通过临时遮挡外推运动，并通过运动闭环识别运动的重现。在 Oxford Multimotion Dataset (OMD) 与 KITTI Vision Benchmark Suite 的真实世界数据上的评估表明，MVO 相较于同类方法取得了良好的估计精度，并适用于多种多运动估计挑战。
引用
@article{arxiv.2110.15169,
title = {Multimotion Visual Odometry (MVO)},
author = {Kevin M. Judd and Jonathan D. Gammell},
journal= {arXiv preprint arXiv:2110.15169},
year = {2024}
}
备注
25 pages, 15 figures, 11 tables. Videos available at https://www.youtube.com/watch?v=mNj3s1nf-6A and https://www.youtube.com/playlist?list=PLbaQBz4TuPcxMIXKh5Q80s0N9ISezFcpi