最新SLAM论文汇总7-9

最新SLAM论文汇总7-9

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】-7-开源 | Co-Fusion: 多目标的实时分割、跟踪和融合方法，物体级别的语义SLAM！

获取完整原文，公众号回复：1706.06629

 

论文地址： http://arxiv.org/pdf/1706.06629v1.pdf

代码： https://github.com/martinruenz/co-fusion

来源： 英国伦敦大学学院

论文名称：Co-Fusion: Real-time Segmentation, Tracking and Fusion of Multiple Objects

原文作者：Martin Runz

 

内容提要

本文介绍了一种稠密SLAM系统——Co-Fusion，以实时的RGB-D图片流为输入，并分割场景为不同物体（使用运动或语义线索），同时实时跟踪和重建它们的3D形状。本文使用了一种多模型拟合方法，其中每个物体可以独立于背景进行运动，并能够被有效地跟踪，同时它的形状使用与该物体标号关联的像素跟随时间进行融合。以往试图解决动态场景，通常假设运动区域为外点，并且不建模它们的形状或跟踪它们随时间的运动。相反地，我们让机器人维护每个物体的3D模型，并随时间的进行融合提高模型结果。因此，本文的系统能够使机器人以物体级别描述场景，具有和环境交互的潜力，在动态环境中也适用。

主要框架及实验结果

 

【SLAM】-8-牛津大学提出了新的3D LiDAR-SLAM系统，设计网络结构参数数量最小化，深度学习方法使用CPU实时配置

获取完整原文，公众号回复：2001.10249

论文地址： https://arxiv.org/pdf/2001.10249.pdf

代码：

来源： 牛津大学

论文名称：Online LiDAR-SLAM for Legged Robots with Robust Registration and Deep-Learned Loop Closure

原文作者：Milad Ramezani

内容提要

本文提出了一种基于因子图的3D LiDAR-SLAM系统，组合了SOTA深度学习的基于特征的回环检测子，使得腿式机器人能够在工业环境中定位和建图。点云首先通过惯性运动学状态估计器对齐，然后再使用ICP进行配准对齐。为了实现闭环，使用一种回环策略，匹配工业环境中的分割块和点云。我们离线训练描述子来匹配这些分割块。设计网络结构以最小化参数数量实现了本文方法的高效性，从而使得深度学习方法能够使用CPU实时配置。里程计和闭环因子通过位姿图优化被更新。最终本文提供了高效的风险对齐预测方法，验证了配准的可靠性。在工业环境中的实验结果表明，本文系统的鲁棒性和灵活性，包括在SLAM地图中的自主路径跟随。

主要框架及实验结果

 

 

【SLAM】-9-2D最小位姿图SLAM问题的测地线和弦代价分析

获取完整原文，公众号回复：1911.05734

论文地址： https://arxiv.org/pdf/1911.05734v2.pdf

代码：

来源： 悉尼科技大学

论文名称：Analysis of minima for geodesic and chordal cost for a minimal 2D pose-graph SLAM problem

原文作者：Felix H. Kong

内容提要

在本文中，我们证明了最小2D位姿图SLAM问题，即使在完美测量和球面协方差的理想情况下，使用测地线距离比较角度也会产生多个次最优局部极小值。使用了一些例子，我们用数值估计了这些局部最小值的吸引区域，并给出了证据表明它们是非零的测量值，并且这些区域会随着噪声的增加而增大。对于弦代价，我们发现不能收敛到全局最小值的输入条件要少得多，因为数值问题而失败，而且在我们的例子中似乎没有随着噪音而增长。

主要框架及实验结果