视觉同时定位与地图构建(Simultaneous localization and mapping,SLAM)过程中,动态物体引入的干扰信息会严重影响定位精度。通过剔除动态对象,修复空洞区域解决动态场景下的SLAM问题。采用Mask-RCNN获取语义信息,结合对极几何方法对动态对象进行剔除。使用关键帧像素加权映射的方式对RGB和深度图空洞区域进行逐像素恢复。依据深度图相邻像素相关性使用区域生长算法完善深度信息。在TUM数据集上的实验结果表明,位姿估计精度较ORB-SLAM2平均提高85.26%,较DynaSLAM提高28.54%,在实际场景中进行测试依旧表现良好。
来源出处
相关内容
发布日期
03/22/2024 - 09:16
发布日期
01/10/2022 - 19:32
发布日期
06/17/2022 - 10:21
发布日期
08/14/2023 - 22:13
发布日期
01/10/2022 - 19:31
发布日期
08/04/2020 - 01:35
发布日期
10/23/2023 - 23:25
发布日期
10/31/2021 - 01:47
发布日期
01/10/2022 - 19:31
发布日期
10/31/2021 - 01:47
发布日期
10/31/2021 - 01:48
发布日期
01/10/2022 - 19:31
发布日期
10/31/2021 - 01:47
发布日期
10/31/2021 - 01:22
发布日期
10/31/2021 - 01:12
发布日期
06/17/2022 - 10:21
发布日期
06/17/2022 - 10:21
发布日期
12/09/2023 - 01:01
发布日期
08/04/2020 - 01:35
发布日期
07/31/2024 - 18:08