.png){kind=icon}
返回
Dynamic Feature Filtering for Robust Monocular Visual SLAM
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-10489-2_18.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
视觉SLAM系统在动态环境中常因包含移动物体上的特征点而性能下降，这违背了静态世界假设。本文提出一种动态物体过滤框架，通过排除与动态区域相关的特征来提升单目ORB-SLAM3的性能。该方法整合了基于深度学习的物体检测、多目标跟踪和密集光流分析，生成逐帧二值掩码以识别并抑制动态内容。采用一种运动相似性度量，结合方向与幅值的光流差异以及空间加权，评估物体相对于背景的运动。通过概率状态滤波器强制时间一致性，以平滑分类结果。我们在KITTI里程计数据集上评估了该方法，结果表明该方案在高度动态序列中显著降低了位姿估计误差，同时保持了静态场景中的性能。结果证明了所提出的过滤策略作为轻量级且通用的增强方法，在真实环境中对现有SLAM系统具有有效性。
Keyword:
Visual SLAM
Monocular
Dynamic object filtering
Opticalflow
Motion segmentation
期刊
I
机构
引用论文
.png){kind=icon}
ORB-SLAM3: An Accurate Open-Source Library for Visual, Visual-Inertial, and Multimap SLAMORB-SLAM3: 用于视觉，视觉惯性和多映射SLAM的精确开源库
OAAI
OAAI分享收藏
查看更多内容