Amos-SLAM: An Anti-Dynamics Two-stage SLAM Approach

要約

従来の SLAM (Simultaneous Localization And Mapping) システムは、静的な環境の仮定に依存しており、動的なオブジェクトがバックグラウンドに存在する場合、システムの位置を正確に推定できません。
学習ベースの動的 SLAM システムでは、未知の移動オブジェクトの処理が困難ですが、ジオメトリ ベースの方法では、位置推定に対する未確認の動的オブジェクトの残余効果への対処が限定的です。
これらの問題に対処するために、アンチダイナミクス 2 段階 SLAM アプローチを提案します。
最初に、前の動的オブジェクトと前の動的オブジェクトの両方の潜在的なモーション領域が抽出され、オプティカル フロー追跡とモデル生成方法を使用して、動的弁別のための姿勢推定が迅速に取得されます。
次に、各フレームの動的ポイントが動的判断によって削除されます。
非事前動的オブジェクトの場合、スーパーピクセル抽出と幾何学的クラスタリングを使用して、画像の色と幾何学的情報に基づいて潜在的なモーション領域を決定するアプローチを提示します。
パブリック RGB-D データセット内の複数の低および高動的シーケンスの評価は、提案された方法が最先端の動的 SLAM 方法よりも優れていることを示しています。

要約(オリジナル)

The traditional Simultaneous Localization And Mapping (SLAM) systems rely on the assumption of a static environment and fail to accurately estimate the system’s location when dynamic objects are present in the background. While learning-based dynamic SLAM systems have difficulties in handling unknown moving objects, geometry-based methods have limited success in addressing the residual effects of unidentified dynamic objects on location estimation. To address these issues, we propose an anti-dynamics two-stage SLAM approach. Firstly, the potential motion regions of both prior and non-prior dynamic objects are extracted and pose estimates for dynamic discrimination are quickly obtained using optical flow tracking and model generation methods. Secondly, dynamic points in each frame are removed through dynamic judgment. For non-prior dynamic objects, we present a approach that uses super-pixel extraction and geometric clustering to determine the potential motion regions based on color and geometric information in the image. Evaluations on multiple low and high dynamic sequences in a public RGB-D dataset show that our proposed method outperforms state-of-the-art dynamic SLAM methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google