哈工大开源RGB-D惯性里程计！适用动态环境下资源受限机器人

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 Odometry for a Resource-Restricted Robot in Dynamic Environments、

论文地址：https://arxiv.org/abs/2304.10987

作者单位：哈尔滨工业大学

开源代码：https://github.com/HITSZ-NRSL/Dynamic-VINS

当前的同步定位与建图(SLAM)算法在静态环境下性能良好，但在动态环境下容易失效。最近的研究将基于深度学习的语义信息引入SLAM系统，以减少动态对象的影响。然而，如何在动态环境中对资源受限的机器人进行鲁棒定位仍然是一个挑战。本文提出了一种用于动态环境下资源受限机器人的实时RGB-D惯性里程计系统dynamic - vins。三个主线程并行运行:对象检测、特征跟踪和状态优化。

本文提出的动态vins结合目标检测和深度信息进行动态特征识别，达到了与语义分割相当的性能。动态vins采用基于网格的特征检测，提出了一种快速高效提取高质量fast特征点的方法。将IMU应用于运动预测，进行特征跟踪和运动一致性检查。该方法在公共数据集和实际应用中进行了评估，并在动态环境中显示出具有竞争力的定位精度和鲁棒性。

本文贡献如下：

1、提出了一种基于优化的RGB-D惯性里程计算法，为动态复杂环境下资源受限机器人提供实时状态估计结果。

2、提出了轻量级特征检测与跟踪，以减少计算负担。此外，提出了结合目标检测和深度信息的动态特征识别模块，为复杂环境和室外环境提供鲁棒的动态特征识别。

3、通过实验验证了该系统在动态环境下资源受限平台上的竞争精度、鲁棒性和效率。

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