Panoptic-SLAM：利用全景分割在动态环境中进行视觉SLAM
机器人学
2024-05-06 v1
摘要
大多数视觉SLAM系统在动态场景中不够鲁棒。那些处理场景中动态物体的系统通常依赖基于深度学习的方法来检测和过滤这些物体。然而，这些方法无法处理未知的运动物体。本工作提出了Panoptic-SLAM，一个对动态环境鲁棒的开源视觉SLAM系统，即使在存在未知物体的情况下也是如此。它在状态估计过程中使用全景分割来过滤场景中的动态物体。Panoptic-SLAM基于ORB-SLAM3，一个用于静态环境的最先进的SLAM系统。该实现使用真实世界数据集进行了测试，并与文献中的多个最先进系统进行了比较，包括DynaSLAM、DS-SLAM、SaD-SLAM、PVO和FusingPanoptic。例如，Panoptic-SLAM的平均精度是PVO（最新的基于全景的视觉SLAM方法）的四倍。此外，还使用配备RGB-D相机的四足机器人进行了实验，以测试我们的方法在真实世界场景中的适用性。测试结果通过运动捕捉系统创建的地面真值进行了验证。
引用
@article{arxiv.2405.02177,
title = {Panoptic-SLAM: Visual SLAM in Dynamic Environments using Panoptic Segmentation},
author = {Gabriel Fischer Abati and João Carlos Virgolino Soares and Vivian Suzano Medeiros and Marco Antonio Meggiolaro and Claudio Semini},
journal= {arXiv preprint arXiv:2405.02177},
year = {2024}
}