基于低成本单目无人机的人口密集室内场景实时混合建图

近年来，无人机（UAV）已被用于许多应用，从城市搜索与救援、农业勘测到自主地下矿井勘探。然而，在狭窄的室内空间部署无人机，尤其是靠近人类时，仍然是一项挑战。当所需有效载荷有限时，一种解决方案是使用微型无人机，其对人类的风险较小，且在坠毁后通常更换成本较低。然而，微型无人机只能携带有限的传感器套件，例如单目相机而非立体相机对或激光雷达（LiDAR），这使得在人员周围狭窄环境中运行所需的稠密建图和无标记多人三维人体姿态估计等任务变得复杂。此类任务的单目方法已经存在，并且稠密单目建图方法已成功部署于无人机应用。然而，尽管近期关于基于标记和无标记多无人机单人动作捕捉的研究很多，无标记单相机多人三维人体姿态估计仍是一项早期阶段的技术，我们尚未发现其在空中场景下部署的现有尝试。在本文中，我们因此提出了据我们所知首个从搭载于单架无人机上的单目相机同时执行建图与多人三维人体姿态估计的系统。具体而言，我们展示了如何松散耦合最先进的单目深度估计与单目三维人体姿态估计方法，以实时重建人口密集室内场景的混合地图。我们通过在大规模 ScanNet 和 GTA-IM 数据集上的大量实验验证了我们的组件级设计选择。为评估我们的系统级性能，我们还构建了一个新的 Oxford Hybrid Mapping 人口密集室内场景数据集。