最新SLAM论文汇总4-6

最新SLAM论文汇总4-6

实时分享CVPR、ECCV等会议，关注深度学习、自动驾驶领域，我们期待你的加入。点击上方“CNNer”，选择加“星标”或“置顶”精选干货，当日达。

                                                                                     

                                                                                 长按关注▲                       长按加微信▲

备注：研究方向+地点+学校/公司+昵称，更快通过申请，长按加细分领域技术交流群，目前有细分领域：图像分割、图像目标检测、论文写作、车道检测、模型优化、目标跟踪、SLAM、点云处理（分割检测）、深度学习。

【SLAM】-4-开源 | PL-VINS：对VINS添加了直线特征的约束条件，在保证实时的前提下定位误差比VINS降低了12%-16%

获取完整原文，公众号回复：2009.07462

论文地址： http://arxiv.org/pdf/2009.07462v2.pdf

代码： https://github.com/cnqiangfu/pl-vins.

来源： 湖南大学

论文名称：PL-VINS: Real-Time Monocular Visual-Inertial SLAM with Point and Line Features

原文作者：Qiang Fu

内容提要

利用直线特征来提高基于点的视觉SLAM (VINS)的定位精度，正获得越来越多的关注，因为它们对场景结构提供了额外的约束条件。然而，在VINS中直接添加直线特征后，算法不能满足实时处理的要求。本文基于当前最先进的点特征的VINS- mono算法，提出了一种可以达到实时优化融合线特征和点特征的单目PL-VINS算法。本文提出使用LSD（line segment detector）算法来提取线特征，但是LSD主要用于检测场景中的形状表示，而不是用于位姿估计问题，所以其计算量大难以进行实时处理。本文通过一个参数调优策略和长度抑制策略，提出了一种改进的LSD算法。修改后的LSD检测算法比原始算法速度提高了3倍。此外，本文通过采用普吕克坐标（Plucker coordinates）表示空间直线，使用点到线的距离进行建模表示系统估计的残差，然后通过迭代更新普吕克坐标的下的参数最小化残差项，求得最优匹配结果。在公共基准测试数据集中的实验表明，在相同的位姿更新频率下，我们的定位误差比VINS-Mono算法降低了12-16%。

主要框架及实验结果

 

【SLAM】-5-开源 | 城市环境下的SLAM算法，通过深度学习有效去除环境中动态物体（车辆、行人等），提高算法的鲁棒性

获取完整原文，公众号回复：2010.07646

 

论文地址： https://arxiv.org/pdf/2010.07646.pdf

代码： https://github.com/BertaBescos/EmptyCities.git

来源： 萨拉戈萨大学（西班牙）

论文名称：Empty Cities: a Dynamic-Object-Invariant Space for Visual SLAM

原文作者：Berta Bescos

 

内容提要

本文提出了一种采用数据驱动的静态场景重建算法，该算法可以去除再过去某一时刻出现在场景的动态物体，从而保证重建的环境中只保留静态物体。主要目标是改进基于视觉的定位和建图算法在动态环境中的效果，由于在动态环境中，在同一位置的不同时刻可能出现不同的目标对象，这将会降低视觉SLAM的鲁棒性。本文引入了一个端到端深度学习框架，将城市环境中的包含动态目标的图像(包括车辆或行人等动态内容)转换为适合定位和建图的真实静态场景的图像。

本文的两个主要难点是：第一、如何检测动态目标；第二、如何对被遮挡的静态背景环境进行修复。解决第一个难点，我们通过使用卷积网络来解决的，该网络可以学习多种类别的语义分割。解决第二个难点，我们采用生成对抗模型，以原始动态图像和计算得到的动态/静态二值掩码作为输入，从而生成最终的静态图像。

本文的另一个创新点，提出了两种新的损失函数：一种是基于图像掩码分析技术，用于提高修复的被遮挡的背景图像的质量；另一种是基于ORB特征，用于增强真实图像区域和动态图像区域之间的特征匹配。

主要框架及实验结果

【SLAM】-6-开源 | 详细介绍了将LSD-SLAM算法集成到AR立体引擎中的过程，包含代码讲解！

获取完整原文，公众号回复：1702.02514

 

论文地址： http://arxiv.org/pdf/1702.02514v1.pdf

代码： https://github.com/maxvanhell/arift.git

来源： 奥地利格拉茨技术大学

论文名称：Monocular LSD-SLAM integration within AR System

原文作者：Markus Holl

内容提要

在本文中，我们介绍了将LSD-SLAM算法集成到现有的AR立体引擎中的过程，该引擎是为改进的“增强现实Oculus Rift”开发的。有了它，我们就能够在一个完全未知的环境中，跟踪安装在rift上的摄像机。这使得在现实世界和虚拟世界中，获得一个恒定的增强的同步的3D运动(x, y, z)成为可能。在我们之前的论文中，有使用Oculus Rift DK1和两个鱼眼相机进行基本AR设置开发的完整记录。在介绍了image-based注册之后，我们详细介绍了LSD-SLAM算法并记录了实现集成的代码，代码开源。

主要框架及实验结果