爱丁堡大学提出针对室内动态环境的RGBD惯性SLAM，长时间大遮挡下也能用！

以下内容来自小六的机器人SLAM学习圈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# RGB-D-Inertial SLAM in Indoor Dynamic Environments with Long-term Large Occlusion

论文地址：https://arxiv.org/abs/2303.13316

作者单位：爱丁堡大学

这项工作提出了一种新的RGBD惯性动态SLAM方法，可以在大部分相机视图被多个动态物体长时间遮挡时实现精确定位。大多数动态SLAM方法要么在动态对象占视觉输入的很小比例时将其作为异常值删除，要么在相机跟踪之前使用语义分割检测动态对象。因此，在没有先验信息的情况下，很难检测到引起大遮挡的动态物体。当大遮挡持续很长一段时间时，来自静态背景的剩余视觉信息也不足以支持定位。为了克服这些问题，我们的框架提出了一个鲁棒的视觉-惯性BA，同时跟踪相机，估计动态对象的聚类稠密分割，并通过结合稠密和稀疏特征来维护静态稀疏地图。实验结果表明，与其他先进的方法相比，我们的方法在长期大遮挡场景下具有良好的定位和目标分割性能。

本文贡献如下：

1、一种结合稀疏和稠密特征的动态目标检测方法。

2、一个新的BA方法，同时提供动态对象的稠密分割，跟踪相机和建图环境。

3、一种RGBD惯性SLAM方法，该方法对多个未定义动态目标引起的长期大遮挡具有鲁棒性。

以上内容来自小六的机器人SLAM学习圈知识星球每日更新内容