[2020]The STDyn-SLAM: A stereo vision and semantic segmentation approach for SLAM in dynamic outdoor environments
1.作者
Daniela Esparza and Gerardo Flores
代码:GitHub - DanielaEsparza/STDyn-SLAM: STDyn-SLAM: A Stereo Vision and Semantic Segmentation Approach for SLAM in Dynamic Outdoor Environments
演示:YouTube
2.时间
2020
3.整体架构
- 提取前一帧左图像和当前帧双目图像的ORB特征
- 计算光流和基础矩阵。
- 和第二步同时分割当前帧左图潜在的运动目标。
- 移除外点,估计视觉里程计。
- 3D重建
4.中心思想
本文提出了结合光流,极线约束、ORB特征,首先计算极线,将匹配的特征从当前帧映射到前一帧上,根据映射点和极线的距离判断是否是运动的。
- 理论知识:极线约束是点到线的约束,那么如果是运动的,映射点和极线之间存在距离,如果是静止的,映射点和极线基本重合。这里用一个简单的阈值去分割能保证鲁棒性?光流是做啥用的?
5.结果
硬件平台: Intel Core i7-7820HK laptop computer with 32 Gb RAM and a GPU GeForceGTX 1070.
we used as input a ZED camera,
1.3D重建的效果
注:图中的车是运动的
2.位姿精度
评估位姿的RMSE,mean,max,min。01,08动态目标较多,相对于ORB_SLAM2,CubeSLAM效果较好。