DynoSAM: Open-Source Smoothing and Mapping Framework for Dynamic SLAM

要約

従来の Visual Simultaneous Localization and Mapping (vSLAM) システムは、静的なシーン構造のみに焦点を当てており、環境内の動的な要素を見落としていました。
これらの方法は、複雑なシナリオでの正確な視覚的なオドメトリには効果的ですが、移動する物体に関する重要な情報を破棄します。
この情報をダイナミック SLAM フレームワークに組み込むことで、動的なエンティティの動きが推定され、正確な位置特定を確保しながらナビゲーションが強化されます。
ただし、ダイナミック SLAM の基本的な定式化は依然として未解決の課題であり、SLAM パイプライン内で正確な動き推定を行うための最適なアプローチについては合意がありません。
そこで、さまざまな Dynamic SLAM 最適化公式の効率的な実装、テスト、比較を可能にする、Dynamic SLAM 用のオープンソース フレームワークである DynoSAM を開発しました。
DynoSAM は、静的および動的測定を、ファクター グラフを使用して解決される統合最適化問題に統合し、カメラのポーズ、静的シーン、オブジェクトの動きまたはポーズ、およびオブジェクトの構造を同時に推定します。
当社は、シミュレートされたさまざまなデータセットと現実世界のデータセットにわたって DynoSAM を評価し、既存のシステムを大幅に改善して屋内および屋外環境で最先端の動き推定を実現します。
さらに、動的シーンの 3D 再構築や軌道予測など、下流アプリケーションでの DynoSAM ユーティリティを実証し、動的オブジェクト認識 SLAM システムの進歩の可能性を示します。
DynoSAM は https://github.com/ACFR-RPG/DynOSAM でオープンソース化されています。

要約(オリジナル)

Traditional Visual Simultaneous Localization and Mapping (vSLAM) systems focus solely on static scene structures, overlooking dynamic elements in the environment. Although effective for accurate visual odometry in complex scenarios, these methods discard crucial information about moving objects. By incorporating this information into a Dynamic SLAM framework, the motion of dynamic entities can be estimated, enhancing navigation whilst ensuring accurate localization. However, the fundamental formulation of Dynamic SLAM remains an open challenge, with no consensus on the optimal approach for accurate motion estimation within a SLAM pipeline. Therefore, we developed DynoSAM, an open-source framework for Dynamic SLAM that enables the efficient implementation, testing, and comparison of various Dynamic SLAM optimization formulations. DynoSAM integrates static and dynamic measurements into a unified optimization problem solved using factor graphs, simultaneously estimating camera poses, static scene, object motion or poses, and object structures. We evaluate DynoSAM across diverse simulated and real-world datasets, achieving state-of-the-art motion estimation in indoor and outdoor environments, with substantial improvements over existing systems. Additionally, we demonstrate DynoSAM utility in downstream applications, including 3D reconstruction of dynamic scenes and trajectory prediction, thereby showcasing potential for advancing dynamic object-aware SLAM systems. DynoSAM is open-sourced at https://github.com/ACFR-RPG/DynOSAM.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google