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