保护隐私的视觉SLAM
计算机视觉与模式识别
2020-07-28 v2
摘要
本研究提出一种保护隐私的视觉SLAM框架，用于实时估计相机位姿并利用混合线与点云进行光束法平差。先前的研究提出了利用线云地图对单幅图像或重建点云估计相机位姿的定位方法。这些方法通过将点云转换为线云来防范从点云重建场景图像的逆向攻击，从而提供场景隐私保护。然而，它们不能直接应用于视频序列，因为它们没有解决计算效率问题。这对于利用混合线与点云实时估计相机位姿并进行光束法平差而言是一个关键待解决问题。此外，由于为防止逆向攻击（即三维线的可逆性）图像坐标上的任何观测点均不可用，尚无研究提出利用从客户端视频重建的点云来优化服务器端线云地图的方法。合成数据与真实数据的实验结果表明，我们的视觉SLAM框架利用线云地图实现了预期的隐私保护形式与实时性能。
引用
@article{arxiv.2007.10361,
title = {Privacy Preserving Visual SLAM},
author = {Mikiya Shibuya and Shinya Sumikura and Ken Sakurada},
journal= {arXiv preprint arXiv:2007.10361},
year = {2020}
}
备注
ECCV2020, Project: https://xdspacelab.github.io/lcvslam/ , Video: https://youtu.be/gEtUqnHx83w