论文信息
题目:
RGB-D SLAM in Dynamic Environments using Static Point Weighting
动态环境下基于静态点加权的RGB-D SLAM
论文地址:
https://mediatum.ub.tum.de/doc/1375854/document.pdf
发表期刊:
IEEE Robotics and Automation Letters ( Volume: 2, Issue: 4, October 2017)
标签
xxxx
摘要
摘要提出了一种动态环境下基于深度边缘的实时RGB-D SLAM系统。我们的视觉里程计方法是基于帧到关键帧的配准,其中只使用深度边缘点。为了减少动态对象的影响,提出了一种关键帧中边缘点的静态加权方法。静态权重表示某个点属于静态环境的可能性。将该静态权重加入到强度辅助迭代最近点(iicp)方法中进行配准。此外,该方法被集成到一个SLAM (Simultaneous Localization and Mapping)系统中,其中使用了一种高效的闭环检测策略。
内容简介
基于深度边缘[3][4]可以实现精确的视觉里程计估计。深度边缘点是稀疏存在的,因此可以有效地进行匹配。与二维关键点相比,深度边缘点的数量更加均衡。利用几何距离和灰度距离[18]进行帧间边缘点匹配。在匹配的边缘点上,提出了一种新的静态加权方法来降低视觉里程计中动态点的重量。进一步,利用高效的闭环检测过程,将视觉里程计方法融合到基于位姿图的SLAM系统中,得到适用于动态环境的快速RGB-D SLAM系统。
主要贡献包括:•提出了一种新的有效的静态加权方法来降低动态物体对位姿估计的影响。它计算每个关键帧点成为静态环境一部分的可能性。•将静态加权项集成到iiicp方法中。由此提出了一种面向动态环境的实时RGB-D视觉odom测量方法。
对于每一帧图像,首先提取前景边缘点,仅使用提取的边缘点进行里程计估计;每第n帧被选择为关键帧1。对于每个关键帧,估计边缘点的静态权值;静态权重表示一个点属于静态环境的可能性。然后利用iiicp算法[18]估计关键帧到当前帧的相对变换,其中结合了静态权值,以减少动态运动对象对变换估计的影响;最后,根据估计的运动更新关键帧的静态权值##
xxxx
阅读总结
该文章提出了新的视觉特征点提取方法(边缘深度特征),在物体的边缘处点周围的深度值差异很大的特点来提取边缘特征,然后赋予特征以静态权值,进而剔除可能是动态的特征。