【SLAM】开源 | 解决动态变化的室内环境中的SLAM问题——lifelong SLAM，提高位姿估计的鲁棒性和精度

论文地址：http://arxiv.org/pdf/1911.05603v2.pdf 代码：https://lifelong-robotic-vision.github.io/dataset/scene. 来源：英特尔中国实验室，北京 论文名称：Are We Ready for Service Robots? The OpenLORIS-Scene Datasets forLifelong SLAM 原文作者：Xuesong Shi

在动态环境中，服务机器人具有一定的自主运行能力。机器人自主最基本的问题之一是SLAM，目前大多数SLAM都是通过短周期记录的数据序列来进行评估的。然而在实际应用中，自然因素和人类活动都可能导致不可知的场景变化。例如，在家庭场景中，大多数物品可能会被移动、替换或者变形，这就会造成在一段连续的时间之内同一地点的视觉特征可能会显著的不同。这种不可预知的动态改变对姿态估计的鲁棒性造成了很大的困难，从而影响了机器人的长期部署和运行。为了将上述问题与静态环境下单次运行的常规工作的评估区分开来，本文引入lifelong SLAM来处理长期变化环境下的SLAM问题。为了加速lifelong SLAM的研究，我们发布了OpenLORIS-Scene数据集。在真实的室内场景中收集数据，为了获得真实生活中的场景变化数据，在每个地方进行多次收集。除此之外，还设计了lifelong SLAM的基准度量，分别评估姿态估计的鲁棒性和精度。

下面是论文具体框架结构以及实验结果：

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请联系删除。