欢迎光临散文网 会员登陆 & 注册

苏黎世联邦理工开源!复杂环境中的实时鲁棒点云运动目标检测,86%IoU!

2023-06-27 09:24 作者:计算机视觉life  | 我要投稿

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#开源代码#  Dynablox: Real-time Detection of Diverse Dynamic Objects in Complex Environments

论文地址:https://arxiv.org/abs/2304.10049


作者单位:苏黎世联邦理工学院

开源代码:https://github.com/ethz-asl/dynablox


运动物体的实时检测是机器人在动态环境中自主行动的一项基本能力。因此,我们提出了Dynablox,这是一种新的基于在线映射的方法,用于复杂环境中的鲁棒运动目标检测。我们方法的核心思想是通过建模和考虑在线机器人操作过程中的传感器、状态估计和地图限制,逐步估计高置信度空间区域。时空保守的自由空间估计能够在不对物体或环境的外观做出任何假设的情况下对运动物体进行稳健的检测。这允许部署在复杂的场景中,如多层建筑或楼梯,以及各种移动物体,如携带各种物品的人、摆动的门甚至滚动的球。我们在真实世界的数据集上评估了我们的方法,在典型的机器人设置中,以17 FPS的速度实现了86%的IoU。该方法优于最近的基于外观的分类器,并接近离线方法的性能。我们在复杂环境中具有罕见移动对象的新数据集上证明了它的通用性。我们以开源的形式提供高效的实现和新颖的数据集。 本文贡献如下: 1、我们提出了一种从点云数据中进行增量高置信度自由空间估计的方法,对传感器噪声、测量稀疏性、动态环境和状态估计漂移进行建模。、 2、我们展示了Dynablox,我们的系统利用高置信度自由空间,在复杂环境中对各种动态对象进行稳健的实时检测。 3、我们彻底评估了所提出的方法,在移动CPU上以17 FPS的速度实现了86%的IoU,并证明了其对完全不同的对象类型、不同的环境和漂移状态估计的鲁棒性。


图片
图片
图片
图片
图片
图片

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


苏黎世联邦理工开源!复杂环境中的实时鲁棒点云运动目标检测,86%IoU!的评论 (共 条)

分享到微博请遵守国家法律