V3D-SLAM：基于 3D 语义几何投票的动态环境鲁棒 RGB-D SLAM
机器人学
2024-10-17 v1 人工智能
计算机视觉与模式识别
摘要
在高度动态环境中进行同时定位与地图构建(SLAM)具有挑战性，由于动态对象与相机姿态之间的相关性复杂。已提出许多方法来处理此问题，但动态对象的运动特性在移动相机下仍不清晰。因此，为了提高 SLAM 性能，需要最小化动态对象造成的干扰，并对对象的 3D 形状和动力学具有物理性理解。本文提出一种robust方法 V3D-SLAM，通过两个轻量级的重评估阶段来移除动态对象，包括使用基于空间推理的 Hough 投票机制识别潜在的动态和静态对象，并通过将动态噪声检测为内对象运动来细化静态对象，采用 Chamfer 距离作为相似性度量。我们在 TUM RGB-D 数据集上的实验中，对动态序列（带有真实相机轨迹）进行测试，显示我们的方法在最新流行的 SLAM 方法中性能优于前者。我们的源代码可在 https://github.com/tuantdang/v3d-slam 上获取。
引用
@article{arxiv.2410.12068,
title = {V3D-SLAM: Robust RGB-D SLAM in Dynamic Environments with 3D Semantic Geometry Voting},
author = {Tuan Dang and Khang Nguyen and Mandfred Huber},
journal= {arXiv preprint arXiv:2410.12068},
year = {2024}
}