SplitFusion：面向非刚性场景的同步跟踪与建图
计算机视觉与模式识别
2020-07-07 v1
摘要
我们提出 SplitFusion，一种新颖的稠密 RGB-D SLAM 框架，可同时对场景中的刚性与非刚性成分进行跟踪与稠密重建。SplitFusion 首先采用基于深度学习的语义实例分割技术将场景划分为刚性或非刚性表面。划分出的表面通过刚性或非刚性 ICP 独立跟踪，并通过增量式深度图融合进行重建。实验结果表明，所提方法不仅能提供精确的环境地图，还能良好重建非刚性目标，例如运动中的人体。
引用
@article{arxiv.2007.02108,
title = {SplitFusion: Simultaneous Tracking and Mapping for Non-Rigid Scenes},
author = {Yang Li and Tianwei Zhang and Yoshihiko Nakamura and Tatsuya Harada},
journal= {arXiv preprint arXiv:2007.02108},
year = {2020}
}
备注
Accepted to IROS'2020