ILS-SLAM: Instance-Level Semantic SLAM Excluding Moving Objects in Dynamic Scenes
创新点
1.前端匹配部分使用maskrcnn去除动态物体,提出了个细化的分割方法,大概就是maskrcnn得到两帧的bbox和分割结果,计算bbox的中心距离,两个两个图片的中bbox的iou,小于阈值的计算相关性系数,如公式(2),α和β是物体的动态程度,e物体为同一类则为1,否则为0,相关性系数大于阈值的认为是同一类,找不到对应物体的,从相邻帧抽取出来,如图8,第二张为初始结果,第三张为细化算法的结果,找到了绿色的书的掩模
2.动态物体消除方法
给物体打分,从活跃到不活跃,人是活跃的,书本可能移动,沙发餐桌一般不移动。图(a)没有动态物体,全部计算,图(b)动态的人和凳子没有相交,去掉人就行,图(c)人与桌子凳子有相交,由公式(3)和(4)确定是否将凳子认为是动态Ai为动态的人的bbox,Aj为相交的物体凳子的bbox,R大于阈值且(4)大于阈值则认为是动态的
结果是精度有了提高,但是耗时增多,具体增加多少耗时文章没有给出。感觉细化的分割方法,直接去掉没有对应物体的也行