1
摘要
动态环境对视觉SLAM具有挑战性,因为移动对象遮挡了静态环境特征并导致错误的摄像机运动估计.在这篇文章中,我们提出了一个新的密集的三维立体模型解决方案,同时完成了动态/静态分割和相机自我运动估计以及静态背景重建....当动态障碍物出现或观测环境发生变化时,这些方法不能提取足够可靠的静态视觉特征,从而导致特征关联不足,导致不同摄像机姿态之间的运动估计失败.为了处理动态环境,可视化SLAM的一个简单的想法是从输入数据中提取动态部分...输入两个连续的RGB-D帧A和B,RGB图像首先被馈送到PWC-net用于光流(黄色箭头)估计.同时,强度和深度对A和B被馈送到鲁棒相机自我运动估计器,以初始化相机运动ξ,然后,我们用ξ将帧A映射到A’.../静态分割结果,最后一列显示背景重建(JF除外,它没有提供重建功能).
?...在HRPSlam 2.1序列上的流融合实验结果,黄色部分是估计的动态对象.在这个序列中,HRP-4人形机器人安装一个RGB-D传感器.首先移动到他的左侧,然后向右转动.这些数据集包含丰富的快速旋转运动和抖动