.png){kind=icon}
返回
DynoSAM: Open-Source Smoothing and Mapping Framework for Dynamic SLAM
.png){kind=icon}
PRE
AI
DOI：10.1109/TRO.2025.3641813.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
传统视觉同步定位与地图构建（SLAM）系统仅关注静态场景结构，忽略了环境中的动态元素。尽管在复杂场景中可实现精确视觉里程计，但这些方法丢弃了关于移动物体的关键信息。通过将此类信息纳入动态SLAM框架，可估计动态实体的运动，在确保精确定位的同时提升导航性能。然而，动态SLAM的基本建模仍是一项开放性挑战，对于在SLAM流程中实现精确运动估计的最佳方法尚无共识。因此，我们开发了DynoSAM，一个用于动态物体SLAM的开源框架，可支持各类动态SLAM优化建模的高效实现、测试与比较。我们进一步提出了一种新型建模方法，在物体位姿估计中编码刚体运动模型，并引入一种与物体坐标系定义无关的误差度量。DynoSAM将静态与动态测量统一为图优化问题，通过因子图求解，同时估计相机位姿、静态场景、物体运动或位姿以及物体结构。我们在多样化的仿真和真实数据集上对DynoSAM进行了评估，在室内外环境中实现了当前最优的运动估计，相比现有系统取得显著改进。此外，我们展示了DynoSAM在下游任务中的贡献，包括动态场景三维重建和轨迹预测，从而展示了其推动物体感知动态SLAM系统发展的潜力。代码已在线开源。
Keyword:
Dynamic SLAM
mapping
RGBD perception
期刊
IF:
10.5
论文数:
3.3K
被引数:
2.8W
机构
引用论文
.png){kind=icon}
查看更多内容