【论文笔记】RGB-D SLAM in Dynamic Environments Using Static Point Weighting(静态权值策略)在动态环境中使用静态点加权的RGB_DSLAM

本文主要是介绍【论文笔记】RGB-D SLAM in Dynamic Environments Using Static Point Weighting(静态权值策略)在动态环境中使用静态点加权的RGB_DSLAM,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章摘要

针对动态环境,提出了一种基于实时深度边缘的RGB_D SLAM系统。这个系统与现有的最先进的动态环境方法相比,可以显著地减小跟踪误差。

研究背景与论文工作

导航定位随着相机成本的减小发展越来越快,其中在SLAM系统中扮演者很重要角色的视觉测量仍不成熟。目前最先进的研究方法都是假定环境是静态的,忽略了动态环境中经常出现的人、物等因素的影响。而视觉测量目前主要分为两大阵营,一种是上一篇文章里写道的Dense Visual SLAM for RGB-D Cameras里面提到的密集视觉测量方法,而另一种是基于特征对应的视觉测量方法。在这两种方法中为了补偿动态点,都需要进行或多或少地特征对应,这是十分耗时的。
本文提出通过深度边缘点的对应来进行视觉测量。深度边缘点的密度很低,可以进行有效得匹配;而另一方面,深度边缘点反映了环境的纹理。在这里插入图片描述如上图,这里提取的全部是环境中的深度边缘点,既反映了环境的纹理,同时也能进行有效地匹配。

基于前景边缘的视觉测量法

总述

前景边缘首先只提取图片的边缘点作为估计,然后每隔N张图选取一张作为关键帧,关键帧则是用来进行静态权值估计的。得到的静态权值则可以反映出这个点属于静态环境的可能性有多大。静态权值还可以用来与IAICP算法相结合用来削减变换估计中动态移动物体的影响。

前景边缘点与遮挡边缘点

前景边缘点是指靠近摄像机的物体的边缘的点,这些点的特征是对相机的运动比较稳定,不会随着相机的运动出现几何误差,而遮挡边缘点则会因为相机的移动而非常敏感。所以在评估相机位置时候应该要排除遮挡边缘点的干扰。

静态权值估计

在这里插入图片描述图片中第二排是识别出来的前景边缘点,第三排是通过静态权值计算得出的结果,红色为动态物体的边缘,二绿色则是静态物体的边缘。

由于具体如何评估静态权值的理论部分和闭环检测部分尚且不懂,我直接跳过,下面阐述实验结果

实验结果

此前很多前辈的实验都是通过 TUM RGB-D dataset来做的,结果都非常得棒,可是缺少了对图片中动态物体的评估。

视觉测量方法评估

在这里插入图片描述

1) Effect of Static Weighting

:The average improvement in terms of translational drift for low-dynamic sequences is 8%, and for high-dynamic sequences, the average improvement is 52%. This verifies that our static weighting strategy effectively reduces the influence of dynamic objects, especially for high-dynamic environments.

2) Effect of Static Weight Initialization:

在这里插入图片描述a图没有静态权重初始化则人身上的很多点会被当成是静态物体,b图加入了静态权重初始化,则人身上的边缘点区分得更好。

3) Comparison With Previous Methods:

Dense Visual Odometry (DVO):目前最先进的静态处理方案,但是只适用于有小部分动态点的情况。
model-based dense-visual-odometry (BaMVO):为动态环境设计的方案。
结论: Our method improves the visual odometry performance by 74.6% compared to DVO, and by 58.2% compared to BaMVO.
我们的方案基本上在所有的动态环境中表现都是最好的,甚至在静态环境中表现也最好。

结合后的SLAM系统评估

在这里插入图片描述

这篇关于【论文笔记】RGB-D SLAM in Dynamic Environments Using Static Point Weighting(静态权值策略)在动态环境中使用静态点加权的RGB_DSLAM的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/217994

相关文章

解决Maven项目idea找不到本地仓库jar包问题以及使用mvn install:install-file

《解决Maven项目idea找不到本地仓库jar包问题以及使用mvninstall:install-file》:本文主要介绍解决Maven项目idea找不到本地仓库jar包问题以及使用mvnin... 目录Maven项目idea找不到本地仓库jar包以及使用mvn install:install-file基

Python使用getopt处理命令行参数示例解析(最佳实践)

《Python使用getopt处理命令行参数示例解析(最佳实践)》getopt模块是Python标准库中一个简单但强大的命令行参数处理工具,它特别适合那些需要快速实现基本命令行参数解析的场景,或者需要... 目录为什么需要处理命令行参数?getopt模块基础实际应用示例与其他参数处理方式的比较常见问http

C 语言中enum枚举的定义和使用小结

《C语言中enum枚举的定义和使用小结》在C语言里,enum(枚举)是一种用户自定义的数据类型,它能够让你创建一组具名的整数常量,下面我会从定义、使用、特性等方面详细介绍enum,感兴趣的朋友一起看... 目录1、引言2、基本定义3、定义枚举变量4、自定义枚举常量的值5、枚举与switch语句结合使用6、枚

redis过期key的删除策略介绍

《redis过期key的删除策略介绍》:本文主要介绍redis过期key的删除策略,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录第一种策略:被动删除第二种策略:定期删除第三种策略:强制删除关于big key的清理UNLINK命令FLUSHALL/FLUSHDB命

使用Python从PPT文档中提取图片和图片信息(如坐标、宽度和高度等)

《使用Python从PPT文档中提取图片和图片信息(如坐标、宽度和高度等)》PPT是一种高效的信息展示工具,广泛应用于教育、商务和设计等多个领域,PPT文档中常常包含丰富的图片内容,这些图片不仅提升了... 目录一、引言二、环境与工具三、python 提取PPT背景图片3.1 提取幻灯片背景图片3.2 提取

使用Python实现图像LBP特征提取的操作方法

《使用Python实现图像LBP特征提取的操作方法》LBP特征叫做局部二值模式,常用于纹理特征提取,并在纹理分类中具有较强的区分能力,本文给大家介绍了如何使用Python实现图像LBP特征提取的操作方... 目录一、LBP特征介绍二、LBP特征描述三、一些改进版本的LBP1.圆形LBP算子2.旋转不变的LB

Maven的使用和配置国内源的保姆级教程

《Maven的使用和配置国内源的保姆级教程》Maven是⼀个项目管理工具,基于POM(ProjectObjectModel,项目对象模型)的概念,Maven可以通过一小段描述信息来管理项目的构建,报告... 目录1. 什么是Maven?2.创建⼀个Maven项目3.Maven 核心功能4.使用Maven H

Python中__init__方法使用的深度解析

《Python中__init__方法使用的深度解析》在Python的面向对象编程(OOP)体系中,__init__方法如同建造房屋时的奠基仪式——它定义了对象诞生时的初始状态,下面我们就来深入了解下_... 目录一、__init__的基因图谱二、初始化过程的魔法时刻继承链中的初始化顺序self参数的奥秘默认

SpringBoot使用GZIP压缩反回数据问题

《SpringBoot使用GZIP压缩反回数据问题》:本文主要介绍SpringBoot使用GZIP压缩反回数据问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录SpringBoot使用GZIP压缩反回数据1、初识gzip2、gzip是什么,可以干什么?3、Spr

Spring Boot 集成 Quartz并使用Cron 表达式实现定时任务

《SpringBoot集成Quartz并使用Cron表达式实现定时任务》本篇文章介绍了如何在SpringBoot中集成Quartz进行定时任务调度,并通过Cron表达式控制任务... 目录前言1. 添加 Quartz 依赖2. 创建 Quartz 任务3. 配置 Quartz 任务调度4. 启动 Sprin