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

要約

従来の視覚的な同時ローカリゼーションとマッピング（VSLAM）システムは、環境内の動的要素を見落とす静的シーン構造のみに焦点を当てています。
複雑なシナリオでの正確な視覚的臭気に効果的ですが、これらの方法は、移動するオブジェクトに関する重要な情報を破棄します。
この情報を動的なスラムフレームワークに組み込むことにより、動的なエンティティの動きを推定することができ、正確なローカリゼーションを確保しながらナビゲーションを強化します。
ただし、動的なスラムの基本的な定式化は、スラムパイプライン内の正確なモーション推定のための最適なアプローチに関するコンセンサスはありません。
したがって、さまざまな動的スラム最適化定式化の効率的な実装、テスト、および比較を可能にする動的スラム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、因子グラフを使用して解決された統合最適化問題に静的および動的測定を統合し、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構造の推定を同時に推定します。
多様なシミュレーションおよび実際のデータセット全体でDynosamを評価し、屋内および屋外環境で最先端のモーション推定を達成し、既存のシステムを大幅に改善します。
さらに、動的シーンの3D再構築や軌道予測など、下流のアプリケーションでDynosamユーティリティを示し、それにより、動的なオブジェクトを意識したスラムシステムを進める可能性を示します。
Dynosamは、https：//github.com/acfr-rpg/dynosamでオープンソーシングされています。

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