【即将开源】实例语义分割和ORB特性来跟踪动态对象

以下内容来自从零开始机器人SLAM知识星球 每日更新内容

点击领取学习资料 → 机器人SLAM学习资料大礼包

论文# DynaSLAM II: Tightly-Coupled Multi-Object Tracking and SLAM

论文地址：https://arxiv.org/abs/2010.07820

作者单位：萨拉戈萨大学

场景刚性假设在视觉SLAM算法中是常见的。然而，它限制了它们在人口密集的现实环境中的适用性。此外，大多数场景包括自动驾驶、多机器人协作和增强/虚拟现实，都需要环境的明确运动信息来帮助决策和场景理解。我们在本文中介绍了DynaSLAM II，一个视觉SLAM系统的双目和RGB-D配置紧密集成了多目标跟踪能力。DynaSLAM II利用实例语义分割和ORB特性来跟踪动态对象。在一种新颖的BA调整方案中，对静态场景和动态对象的结构与摄像机和移动代理的轨迹进行了联合优化。物体的三维边界框也在固定的时间窗口内进行估计和松散优化。我们证明了跟踪动态对象不仅为场景理解提供了丰富的线索，而且有利于相机跟踪。
DynaSLAM II是一个开源的双目和RGB-D SLAM系统，用于动态环境，同时估计相机的姿态，地图和场景移动物体的轨迹。我们提出了一种在局部时间窗口内紧密优化场景结构、摄像机姿态和物体轨迹的BA调整方案。对象的边界框也以解耦公式进行了优化，允许估算对象的尺寸和6自由度姿势，而不针对任何特定的用例。我们对KITTI数据集进行了详尽的评估和比较，验证了我们的算法。






以上内容来自从零开始机器人SLAM知识星球 每日更新内容