AirDOS: Dynamic SLAM benefits from Articulated Objects

要約

Dynamic Object-aware SLAM (DOS) は、オブジェクト レベルの情報を利用して、動的環境での堅牢なモーション推定を可能にします。
既存の方法は、主に動的オブジェクトを識別して最適化から除外することに重点を置いています。
この論文では、機能ベースのビジュアルSLAMシステムが、2つの観察結果を利用することにより、動的な関節オブジェクトの存在からも恩恵を受けることができることを示しています。(1)関節オブジェクトの各剛体部分の3D構造は、時間の経過とともに一貫しています。
(2) 同じリジッド パーツ上のポイントは同じモーションに従います。
特に、AirDOS は、関節のあるオブジェクトをモデル化するために剛性とモーションの制約を導入する動的オブジェクト認識システムです。
カメラのポーズ、オブジェクトの動き、オブジェクトの 3D 構造を一緒に最適化することで、カメラのポーズの推定を修正し、追跡の損失を防ぎ、動的オブジェクトと静的シーンの両方の 4D 時空間マップを生成できます。
実験は、私たちのアルゴリズムが、困難な混雑した都市環境でのビジュアル SLAM アルゴリズムの堅牢性を向上させることを示しています。
私たちの知る限りでは、AirDOS は、動的な多関節オブジェクトを組み込むことでカメラの姿勢推定を改善できることを示す、最初の動的オブジェクト認識 SLAM システムです。

要約(オリジナル)

Dynamic Object-aware SLAM (DOS) exploits object-level information to enable robust motion estimation in dynamic environments. Existing methods mainly focus on identifying and excluding dynamic objects from the optimization. In this paper, we show that feature-based visual SLAM systems can also benefit from the presence of dynamic articulated objects by taking advantage of two observations: (1) The 3D structure of each rigid part of articulated object remains consistent over time; (2) The points on the same rigid part follow the same motion. In particular, we present AirDOS, a dynamic object-aware system that introduces rigidity and motion constraints to model articulated objects. By jointly optimizing the camera pose, object motion, and the object 3D structure, we can rectify the camera pose estimation, preventing tracking loss, and generate 4D spatio-temporal maps for both dynamic objects and static scenes. Experiments show that our algorithm improves the robustness of visual SLAM algorithms in challenging crowded urban environments. To the best of our knowledge, AirDOS is the first dynamic object-aware SLAM system demonstrating that camera pose estimation can be improved by incorporating dynamic articulated objects.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google