NGD-SLAM: Towards Real-Time SLAM for Dynamic Environments without GPU

要約

動的環境における正確かつ堅牢なカメラ追跡は、視覚的な SLAM (同時位置特定とマッピング) にとって大きな課題となります。
この分野の最近の進歩には、動的オブジェクトのマスクを生成するための深層学習技術の使用が含まれることが多く、これには通常、リアルタイム (30 fps) で動作する GPU が必要です。
したがって、この論文では、マスク予測メカニズムを組み込むことで CPU 上でリアルタイムのパフォーマンスを獲得する、動的環境向けの新しいビジュアル SLAM システムを提案します。これにより、ディープラーニング手法とカメラ追跡が異なる周波数で完全に並行して実行され、どちらも待機することがなくなります。
相手からの結果に対して。
これに基づいて、さらにデュアルステージ オプティカル フロー トラッキング アプローチを導入し、オプティカル フローと ORB 機能のハイブリッド使用を採用することで、システムの効率と堅牢性が大幅に向上します。
最先端の手法と比較して、このシステムは動的環境でも高い位置特定精度を維持しながら、ハードウェア アクセラレータを使用せずに単一のラップトップ CPU で 56 fps のトラッキング フレーム レートを達成します。これにより、深層学習手法が動的環境でも依然として実行可能であることが証明されています。
GPU サポートがなくても SLAM。
入手可能な情報によると、これはこれを達成した最初の SLAM システムです。

要約(オリジナル)

Accurate and robust camera tracking in dynamic environments presents a significant challenge for visual SLAM (Simultaneous Localization and Mapping). Recent progress in this field often involves the use of deep learning techniques to generate mask for dynamic objects, which usually require GPUs to operate in real-time (30 fps). Therefore, this paper proposes a novel visual SLAM system for dynamic environments that obtains real-time performance on CPU by incorporating a mask prediction mechanism, which allows the deep learning method and the camera tracking to run entirely in parallel at different frequencies such that neither waits for the result from the other. Based on this, it further introduces a dual-stage optical flow tracking approach and employs a hybrid usage of optical flow and ORB features, which significantly enhance the efficiency and robustness of the system. Compared with state-of-the-art methods, this system maintains high localization accuracy in dynamic environments while achieving a tracking frame rate of 56 fps on a single laptop CPU without any hardware acceleration, thus proving that deep learning methods are still feasible for dynamic SLAM even without GPU support. Based on the available information, this is the first SLAM system to achieve this.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google