长期大遮挡室内动态环境下的 RGB-D-惯性 SLAM
机器人学
2023-03-24 v1
摘要
本工作提出一种新颖的 RGB-D-惯性动态 SLAM 方法，可在相机视野大部分被多个动态物体长期遮挡时实现准确定位。大多数动态 SLAM 方法要么在动态物体占视觉输入比例较小时将其作为离群点剔除，要么在相机跟踪前使用语义分割检测动态物体。因此，造成大面积遮挡的动态物体若无先验信息则难以检测。当大遮挡持续较长时间时，来自静态背景的剩余视觉信息也不足以支撑定位。为克服这些问题，我们的框架提出了一种鲁棒的视觉-惯性束调整，其同时跟踪相机、估计动态物体的簇级稠密分割，并通过结合稠密与稀疏特征维护静态稀疏地图。实验结果表明，在长期大遮挡场景下，与其他最先进方法相比，我们的方法实现了良好的定位与物体分割性能。
引用
@article{arxiv.2303.13316,
title = {RGB-D-Inertial SLAM in Indoor Dynamic Environments with Long-term Large Occlusion},
author = {Ran Long and Christian Rauch and Vladimir Ivan and Tin Lun Lam and Sethu Vijayakumar},
journal= {arXiv preprint arXiv:2303.13316},
year = {2023}
}
备注
8 pages, 7 figures