DynaPix SLAM: A Pixel-Based Dynamic SLAM Approach

要約

静的環境では、ビジュアル同時ローカライゼーションおよびマッピング (V-SLAM) メソッドが優れたパフォーマンスを実現します。
ただし、移動物体は、状態推定やループ終了検出などのシステムのコア モジュールに重大な影響を与えます。
これに対処するために、動的 SLAM アプローチでは、多くの場合、セマンティック情報、幾何学的制約、またはオプティカル フローを使用して、動的エンティティに関連付けられた特徴をマスクします。
これらは、基礎となるメソッドの品質への依存、未知または予期しない移動オブジェクトに対する一般化が不十分であるなど、さまざまな要因によって制限され、多くの場合、ノイズの多い結果が生成されます。
静的だが移動可能なオブジェクトをマスクするか、事前定義されたしきい値を利用することによって。
この論文では、これらのトレードオフに対処するために、ピクセルごとの動き確率値に基づく新しいビジュアル SLAM システム、DynaPix を紹介します。
私たちのアプローチは、新しいセマンティックフリーの確率論的ピクセル単位の動き推定モジュールと、改善されたポーズ最適化プロセスで構成されています。
私たちのピクセルごとの動き確率推定は、画像とスプラッティングされたフレームからのオプティカル フローの両方に対する新しい静的背景差分法を組み合わせています。
DynaPix は、これらの動きの確率を、ORB-SLAM2 の追跡および最適化モジュール内のマップ ポイントの選択と重み付けされたバンドル調整の両方に完全に統合します。
GRADE データセットと TUM-RGBD データセットの両方で ORB-SLAM2 および DynaSLAM に対して DynaPix を評価し、より低いエラーとより長い軌道追跡時間を取得しました。
この作業が受け入れられ次第、ソースコードとデータの両方を公開します。

要約(オリジナル)

In static environments, visual simultaneous localization and mapping (V-SLAM) methods achieve remarkable performance. However, moving objects severely affect core modules of such systems like state estimation and loop closure detection. To address this, dynamic SLAM approaches often use semantic information, geometric constraints, or optical flow to mask features associated with dynamic entities. These are limited by various factors such as a dependency on the quality of the underlying method, poor generalization to unknown or unexpected moving objects, and often produce noisy results, e.g. by masking static but movable objects or making use of predefined thresholds. In this paper, to address these trade-offs, we introduce a novel visual SLAM system, DynaPix, based on per-pixel motion probability values. Our approach consists of a new semantic-free probabilistic pixel-wise motion estimation module and an improved pose optimization process. Our per-pixel motion probability estimation combines a novel static background differencing method on both images and optical flows from splatted frames. DynaPix fully integrates those motion probabilities into both map point selection and weighted bundle adjustment within the tracking and optimization modules of ORB-SLAM2. We evaluate DynaPix against ORB-SLAM2 and DynaSLAM on both GRADE and TUM-RGBD datasets, obtaining lower errors and longer trajectory tracking times. We will release both source code and data upon acceptance of this work.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google