Panoptic-SLAM: Visual SLAM in Dynamic Environments using Panoptic Segmentation

要約

ビジュアルSLAMシステムの大半は、動的なシナリオではロバストではない。シーン内の動的オブジェクトを扱うものは通常、これらのオブジェクトを検出しフィルタリングするために、ディープラーニングベースの手法に依存している。しかし、これらの手法は未知の移動物体には対応できない。本研究では、未知の物体が存在する場合でも、動的環境に頑健なオープンソースの視覚SLAMシステムであるPanoptic-SLAMを紹介する。Panoptic-SLAMは、パノプティックセグメンテーション（Panoptic segmentation）を用いて、状態推定プロセス中にシーンから動的オブジェクトをフィルタリングする。Panoptic-SLAMは、静的環境用の最先端のSLAMシステムであるORB-SLAM3に基づいている。この実装は実世界のデータセットを用いてテストされ、DynaSLAM、DS-SLAM、SaD-SLAM、PVO、FusingPanopticなどの文献にあるいくつかの最先端のシステムと比較された。例えば、Panoptic-SLAMは、視覚SLAMのための最新のパノプティックベースのアプローチであるPVOよりも平均して4倍正確である。また、RGB-Dカメラを搭載した4脚ロボットを用いて実験を行い、実世界のシナリオにおける本手法の適用性を検証した。実験は、モーションキャプチャシステムで作成されたグラウンドトゥルースによって検証された。

要約(オリジナル)

The majority of visual SLAM systems are not robust in dynamic scenarios. The ones that deal with dynamic objects in the scenes usually rely on deep-learning-based methods to detect and filter these objects. However, these methods cannot deal with unknown moving objects. This work presents Panoptic-SLAM, an open-source visual SLAM system robust to dynamic environments, even in the presence of unknown objects. It uses panoptic segmentation to filter dynamic objects from the scene during the state estimation process. Panoptic-SLAM is based on ORB-SLAM3, a state-of-the-art SLAM system for static environments. The implementation was tested using real-world datasets and compared with several state-of-the-art systems from the literature, including DynaSLAM, DS-SLAM, SaD-SLAM, PVO and FusingPanoptic. For example, Panoptic-SLAM is on average four times more accurate than PVO, the most recent panoptic-based approach for visual SLAM. Also, experiments were performed using a quadruped robot with an RGB-D camera to test the applicability of our method in real-world scenarios. The tests were validated by a ground-truth created with a motion capture system.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL