SLAM论文速递【动态SLAM】—4.05（1）

论文信息

题目：

AirDOS:Dynamic SLAM benefits from Articulated Objects 
AirDOS:动态SLAM受益于铰接对象

论文地址：

 2022 International Conference on Robotics and Automation (ICRA)
https://arxiv.org/pdf/2109.09903.pdf

发表期刊：

标签

联合优化动态特征，新的动态slam方法

摘要

动态对象感知SLAM (DOS)利用对象级信息在动态环境中实现鲁棒的运动估计。现有的优化方法主要集中在识别和排除动态对象。在本文中，我们表明，基于特征的视觉SLAM系统也可以受益于动态铰接对象的存在，利用两个观察:(1)铰接对象的每个刚性部分的3D结构随时间保持一致;(2)同一刚性部分上的点遵循相同的运动。特别地，我们提出了AirDOS，这是一个动态对象感知系统，它引入了刚性和运动约束来建模铰接对象。通过联合优化摄像机姿态、物体运动和物体三维结构，可以校正摄像机姿态估计，防止跟踪丢失，生成动态物体和静态场景的4D时空地图。实验表明，该算法在拥挤的城市环境中提高了视觉SLAM算法的鲁棒性。据我们所知，AirDOS是第一个动态对象感知SLAM系统，它证明了通过结合动态铰接对象可以改善摄像机姿态估计。

内容简介

在本文中，我们将简单的刚性物体扩展到一般的铰接物体，定义为由一个或多个刚性部件(链接)组成的物体，这些部件由允许旋转运动的关节连接。，并利用铰接物体的特性来改进摄像机姿态估计。即，我们联合优化(1)三维结构信息和(2)铰接物体的运动。为此，我们引入(1)刚性约束，假设位于同一刚性部件上的任意两点之间的距离随时间保持不变;(2)运动约束，假设相同刚性部件上的特征点遵循相同的3D运动。这使我们能够建立一个包括动态和静态结构的4D时空地图。

本文的主要贡献有:•为立体声SLAM引入了一个名为AirDOS的新管道，用于联合优化摄像机姿态、动态物体轨迹和环境地图。•我们为一般动态铰接对象引入简单而有效的刚性和运动约束。•我们引入了一个新的基准TartanAir Shibuya，在这个基准上，我们首次证明了动态关节对象可以在视觉SLAM中受益于相机姿态估计。

评价

本文引入刚性约束和运动约束对动态铰接对象进行建模。我们提出了一种新的管道，用于立体声SLAM的AirDOS，它联合优化了动态物体的轨迹、环境地图和相机姿态，提高了动态环境中的鲁棒性和准确性。我们在KITTI跟踪和TartanAir Shibuya数据集中评估了我们的算法，并证明了相机姿态估计和动态对象可以相互受益，特别是当有积极的旋转或静态特征不足以支持视觉里程计时。

开源代码

https://github.com/haleqiu/AirDOS.