DynaSLAM-6 DynaSLAM论文解读

最新推荐文章于 2023-07-05 21:20:50 发布
最新推荐文章于 2023-07-05 21:20:50 发布
阅读量590 收藏
点赞数
分类专栏： DynaSLAM 代码解析 文章标签： 计算机视觉 人工智能 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_41694024/article/details/128827206
版权
DynaSLAM是一种视觉SLAM系统，它在ORBSLAM2基础上增强了动态物体检测和背景修复能力，适用于高动态场景。通过Mask R-CNN和多视角几何，系统能有效分割动态内容，防止动态物体干扰建图，并对被遮挡背景进行恢复。实验证明，DynaSLAM在高动态环境下表现优于标准SLAM算法，且能生成静态场景地图。
摘要由CSDN通过智能技术生成

目录

1.论文摘要解读

1.1 原论文内容

1.2 个人理解 

2.论文discusses related work部分

2.1 原论文内容

3.论文SYSTEM DESCRIPTION部分 

3.1 使用Mask R-CNN对潜在的动态内容进行分割

3.2 低成本追踪

3.3 使用Mask R-CNN和多视角几何对动态内容进行分割

3.4  跟踪线程与建图线程

3.5 Background Inpainting

1.论文摘要解读

1.1 原论文内容

        场景刚性的假设是SLAM算法中的典型。这样一个强有力的假设限制了大多数视觉SLAM系统在人口密集的真实世界环境中的应用，而这些环境是一些相关应用的目标，如服务机器人或自动驾驶汽车。

        在本文中，我们提出了DynaSLAM，一个视觉SLAM系统，在ORBSLAM2的基础上，增加了动态物体检测和背景绘画的能力。DynaSLAM在单目、双目和RGB-D配置的动态场景中是ROBUST的。我们能够通过多视角几何学、深度学习或两者兼而有之的方式检测移动物体。有了静态的场景地图，就可以对被这些动态物体遮挡的画面背景进行涂抹。我们在公共

了解本专栏 订阅专栏 解锁全文 超级会员免费看
APS2023
关注
专栏目录
订阅专栏
动态SLAM论文(2) — DynaSLAM: Tracking, Mapping and Inpainting in Dynamic Scenes
几度春风里的博客
06-24 1175
场景刚性性的假设是SLAM算法中的典型假设。这样强大的假设限制了大多数视觉SLAM系统在人口稠密的现实世界环境中的使用，这些环境是多个相关应用的目标，如服务机器人或自动驾驶车辆。本文介绍了DynaSLAM，这是一个建立在ORB-SLAM2[1]基础上的视觉SLAM系统，它增加了动态物体检测和背景修复的能力。DynaSLAM在单目、立体和RGB-D配置下对动态场景非常稳健。我们能够通过多视角几何、深度学习或两者结合来检测移动物体。拥有场景的静态地图允许修复被这些动态物体遮挡的帧背景。
动态环境下的SLAM：DynaSLAM 论文学习笔记
Armergg的博客
06-16 3802
DynaSLAM文献理解这篇文章文献理解结尾 这篇文章 文献理解 结尾
DynaSLAM论文笔记
TheRun的博客
11-22 2319
DynaSLAM: Tracking, Mapping and Inpainting in Dynamic Scenes 论文笔记 +++ 这是一种建立在ORB-SLAM2上的视觉SLAM系统，同时增加了动态物体检测和背景修复功能。DynaSLAM在单目、立体、RGB-D传感器下的动态场景中均有鲁棒性。作者通过使用多视几何、深度学习或者两者兼有的方法实现移动物体的检测。并且通过对动态物体遮挡的背景帧进行修复，生成静态场景地图。 主要创新点： 提出了基于ORB-SLAM2的视觉SLAM系统，通过增加运动分割
论文翻译：DynaSLAM: Tracking, Mapping and Inpainting in Dynamic Scenes
jiweinanyi的博客
09-01 888
DynaSLAM: Tracking, Mapping and Inpainting in Dynamic Scenes 引言 将SLAM与深度学习结合起来的工作越来越多。这些工作从不同的角度解决目前传统SLAM方法存在的问题。在我们跟进或者开展类似的工作的时候，需要想清楚，传统的SLAM方法目前遇到的问题到底是什么。对这些问题进行明确地分析，从理论框架、算法技术、工程实现等方面挖掘可以改进的点，...
DynaSLAM 论文笔记
phy12321的博客
12-13 1309
DynaSLAM: Tracking, Mapping and Inpainting in Dynamic Scenes 2018.8 visual slam , orb-slam based , dynamic slam, RGBD,srereo,monocula 个人总结 不同于其他动态SLAM的地方在于加入了背景区域填充功能，可以还原动态目标遮挡住的区域。但是还原方法只基于几何约束，应...
DynaSLAM-14 DynaSLAM中RGB-D运行流程（Ⅳ）：多视图几何部分Geometry.cc解析（深度区域生长算法、合并动态蒙版）
qq_41694024的博客
02-08 1022
DynaSLAM中多视图几何部分Geometry.cc解析（深度区域生长算法、合并动态蒙版）
DynaSLAM-11 DynaSLAM中RGB-D运行流程（Ⅰ）：调用Mask 初始化R-CNN网络
qq_41694024的博客
02-04 1137
DynaSLAM中初始化R-CNN网络部分代码
DynaSLAM-1 从ORB-SLAM2到DynaSLAM的编译 v1.0版本
qq_41694024的博客
11-05 1415
从ORB-SLAM2到DynaSLAM的安装
DynaSLAM-7 DynaSLAM中双目运行流程（Ⅰ）：加载Mask R-CNN网络部分MaskNet.cc
qq_41694024的博客
02-02 710
DynaSLAM中初始化Mask R-CNN部分代码解析
论文笔记-DynaSLAM: Tracking, Mapping and Inpainting in Dynamic Scenes
SLAM小土堆
11-12 3175
I. INTRODUCTION 在视觉SLAM中，动态物体会带来如下挑战： 1）如何检测图像中的动态物体，从而： a. 防止tracking算法使用动态物体上的匹配点对 b. 防止mapping算法把移动物体加入3D地图中 2）怎么去补全3D地图中那些被移动物体挡住从而缺失了的部分。 DynaSLAM是可以用于单目，双目，RGB-D的动态SLAM系统，相当于是在ORB-SLAM2上加了一个前端的模块，上面的两个挑战，这篇论文都给出了对应的解决办法。 对于单目和双目：使用CNN进行像素分割，把图像中的人和车
[论文阅读]DynaSLAM II: Tightly-Coupled Multi-Object Tracking and SLAM
qq_41265365的博客
05-17 667
1 速读 1.1 论文试图解决什么问题？这是否是一个新的问题 作者想解决在更具体场景下（自动驾驶、多机器人协调、AR），动态SLAM系统对环境中的动态物体的追踪问。对动态物体的追踪的研究有类似，但是这篇文章中是对相机和动态物体同时追踪，是比较新的问题 1.2 有哪些相关研究？如何归类？谁是这一课题在领域内值得关注的研究员？ 1.3 文章的贡献是什么？ 1.4 文章解决方案的关键是什么 1.5 实验如何设计？实验结果足够论证其效果吗？ 1.6 数据集是什么？ 1.7 还会存在什么问题 .........
动态SLAM论文(6) — Dynamic-SLAM: Semantic monocular visual localization and mapping...
几度春风里的博客
07-05 1784
在动态环境中工作时，传统的SLAM框架由于受到动态物体的干扰而表现不佳。为了解决动态环境下SLAM的问题，提出了一种基于深度学习的语义同时定位与地图构建（Dynamic-SLAM）框架。首先，基于卷积神经网络构建了一个结合先验知识的SSD目标检测器，用于在新的检测线程中以语义级别检测动态物体。然后，针对现有SSD目标检测网络的低召回率问题，提出了一种基于相邻帧中速度不变性的漏检补偿算法，大大提高了检测的召回率。
SLAM中去除动态物体的部分方法（主要是视觉SLAM）
SLAM小土堆
07-29 6432
一. 基于多分辨率的range image 1. RF-LIO: Removal-First Tightly-coupled Lidar Inertial Odometry in High Dynamic Environments 利用的是多分辨率的range image。使用投影的range image的可见性来进行移动点识别。 1）Fk+1F_{k+1}Fk+1​是当前关键帧，MkM_kMk​是对应的子地图，这个子地图是通过Fk+1F_{k+1}Fk+1​周围的滑窗创建的。考虑到实时性，使用了完整的一个
【SLAM】——DynaSLAM项目环境配置（超多坑）
怡宝2号
04-21 3987
DynaSLAM 坑多，慢慢来，不要急 先整体说一下，项目是在ORB-SLAM2项目的基础上，加上maskrcnn的融合。主流程采用还是采用ORB-SLAM2的流程，maskrcnn部分采用c++调用python的实现。其中又穿插opencv2 mat数据转numpy实现c++和python之间数据的交换。所以很多地方容易有坑。慢慢来，先来一张成功的gif安慰一下，给大家一点希望 几大坑 h5py opencv2.4.11(必须) 首先来看一下官方给定的安装步骤： Install ORB-SLA.
DynaSLAM-9 DynaSLAM中双目运行流程（Ⅲ）：图像处理
qq_41694024的博客
02-03 511
DynaSLAM中追踪线程运行过程（上）
【论文笔记】DynaSLAM：动态场景中的跟踪、建图和场景修复 Tracking, Mapping, and Inpainting in Dynamic Scenes
一棵小树的博客
03-24 1276
DynaSLAM: Tracking, Mapping, and Inpainting in Dynamic Scenes Central Idea： 本文提出了一个视觉SLAM系统，它建立在ORB-SLAM2的基础上，增加了运动分割方法，使其在单目、立体和RGB-D摄像机的动态环境中具有鲁棒性。本文中的系统可以精确地跟踪相机位置，并创建一个静态的、因此可重复使用的场景地图。并且，在RGB-D模式下可以使用先前帧中的静态信息修复被动态物体遮挡的部分，使新合成的帧能够在正常ORB-SLAM模式下作为关键帧使用
论文笔记：DynaSLAM: Tracking, Mapping, and Inpainting in Dynamic Scenes
梦在北的博客
07-06 609
DynaSLAM: Tracking, Mapping, and Inpainting in Dynamic Scenes1、Abstract2、Introduction3、Related Work4、System DescriptionA. Segmentation of Potentially Dynamic Content Using a CNNB. Low-Cost TrackingC. Segmentation of Dynamic Content Using Mask R-CNN and Mul
用Dynaslam的多视图几何模块判断动态点时出现OpenCV :(-5:Bad argument) Matrix operand is an empty matrix.解决办法
qq_39204044的博客
10-27 1877
用Dynaslam的多视图几何模块判断动态点时出现OpenCV :(-5:Bad argument) Matrix operand is an empty matrix.解决办法
dynaslam代码解读
最新发布
07-13
6. 输出：Dynaslam的输出包括估计的相机运动和场景地图。相机运动可以用于实时定位和导航，而场景地图可以用于环境理解和路径规划等应用。 需要注意的是，以上是对Dynaslam代码的简要解读，具体的实现细节和算法...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

APS2023

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值