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583 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 1156
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 3732
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 2308
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 1298
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 1013
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 1126
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 1396
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
02-02 703
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 3143
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
05-17 660
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 1739
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 6338
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 3964
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
02-03 508
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 1252
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
07-06 602
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 1868
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
Dynaslam是一个开源的SLAM（Simultaneous Localization and Mapping）系统，用于实时地对环境进行建图和定位。下面是对Dynaslam代码的简要解读： 1. 功能概述：Dynaslam代码实现了一个基于视觉的SLAM系统，可以从输入的图像序列中估计相机的运动以及场景的地图。它使用了视觉特征提取、特征匹配、运动估计和地图优化等技术来实现SLAM功能。 2. 输入：Dynaslam的输入是一系列连续的图像帧，通常是由相机采集的。这些图像帧被用于估计相机的运动和场景的地图。 3. 特征提取与匹配：Dynaslam通过使用一种特征提取算法（如ORB、SIFT等）来检测图像中的关键点，并计算这些关键点的描述子。然后，它使用特征匹配算法（如FLANN、RANSAC等）来匹配不同帧之间的关键点，从而寻找相邻帧之间的对应关系。 4. 运动估计：Dynaslam使用运动估计算法（如RANSAC、EPnP等）来估计相机在相邻帧之间的运动。通过匹配的关键点对和相机姿态估计算法，Dynaslam可以计算出相机在每一帧之间的旋转和平移运动。 5. 地图优化：Dynaslam使用图优化算法（如g2o、Ceres Solver等）来优化估计的相机运动和场景地图。通过最小化重投影误差，Dynaslam可以进一步提高相机运动的精度和地图的质量。 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原理可能会因代码版本和具体实现而有所不同。如果你对Dynaslam的具体代码感兴趣，建议查阅相关的文档和代码资料以获取更详细的信息。
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