GeneA-SLAM2: Dynamic SLAM with AutoEncoder-Preprocessed Genetic Keypoints Resampling and Depth Variance-Guided Dynamic Region Removal

要約

動的環境における既存のセマンティックSLAMは、主に物体検出またはセマンティックセグメンテーション手法によって動的領域を特定する。しかし、ある種の非常に動的なシナリオでは、検出ボックスやセグメンテーションマスクでは動的領域を完全にカバーできない。そこで本論文では、動的なシーンを扱うために奥行き分散制約を利用した、ロバストで効率的なGeneA-SLAM2システムを提案する。本手法は、深度分散を利用して動的ピクセルを抽出し、動的オブジェクトの除去をガイドする正確な深度マスクを作成する。同時に、オートエンコーダを用いてキーポイントを再構成し、遺伝的リサンプリングキーポイントアルゴリズムを改善することで、より均一に分布したキーポイントを取得し、ポーズ推定の精度を向上させる。我々のシステムは、複数の高度に動的なシーケンスで評価された。その結果、GeneA-SLAM2は現在の手法と比較して、ダイナミックなシーンにおいて高い精度を維持することが実証された。コードはhttps://github.com/qingshufan/GeneA-SLAM2。

要約(オリジナル)

Existing semantic SLAM in dynamic environments mainly identify dynamic regions through object detection or semantic segmentation methods. However, in certain highly dynamic scenarios, the detection boxes or segmentation masks cannot fully cover dynamic regions. Therefore, this paper proposes a robust and efficient GeneA-SLAM2 system that leverages depth variance constraints to handle dynamic scenes. Our method extracts dynamic pixels via depth variance and creates precise depth masks to guide the removal of dynamic objects. Simultaneously, an autoencoder is used to reconstruct keypoints, improving the genetic resampling keypoint algorithm to obtain more uniformly distributed keypoints and enhance the accuracy of pose estimation. Our system was evaluated on multiple highly dynamic sequences. The results demonstrate that GeneA-SLAM2 maintains high accuracy in dynamic scenes compared to current methods. Code is available at: https://github.com/qingshufan/GeneA-SLAM2.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL