动态SLAM论文(3) — Detect-SLAM: Making Object Detection and SLAM Mutually Beneficial

目录

1 Introduction

2 Related Work

3 Detect-SLAM

3.1 移动物体去除

3.2 Mapping Objects

3.3 增强SLAM检测器

4 实验

4.1 动态环境下的鲁棒SLAM

4.2. 提升检测性能

5 结论

---

Abstract：近年来，在SLAM和目标检测方面取得了显著进展，但仍存在一系列挑战，例如在动态环境中进行SLAM和在复杂环境中检测目标。为了解决这些挑战，我们提出了一种新颖的机器人视觉系统，将SLAM与基于深度神经网络的目标检测器集成在一起，使这两个功能相互受益。所提出的系统能够在未知和动态环境中可靠高效地完成任务。实验结果表明，与最先进的机器人视觉系统相比，所提出的系统具有三个优点：i）利用目标检测器从移动物体中去除不可靠的特征，极大地提高了SLAM在动态环境中的准确性和鲁棒性； ii）利用两个功能的协同作用，在线构建环境的实例级语义地图，用于进一步的语义应用； iii）利用目标地图，改进了目标检测器，使其能够在更具挑战性的条件下有效地检测/识别目标，如不寻常的视角、光线不足和运动模糊。

1 Introduction

        近年来，在SLAM和基于图像的物体检测领域取得了巨大进展。作为一个广泛研究的课题，已经提出了许多基于视觉的SLAM系统，其定位精度可达几厘米，并且能够实时构建大规模的三维地图[5, 12, 18]。随着深度卷积神经网络ÿ