论文地址: https://arxiv.org/pdf/2010.07646.pdf
代码: https://github.com/BertaBescos/EmptyCities.git
来源: 萨拉戈萨大学(西班牙)
论文名称:Empty Cities: a Dynamic-Object-Invariant Space for Visual SLAM
原文作者:Berta Bescos
内容提要
本文提出了一种采用数据驱动的静态场景重建算法,该算法可以去除再过去某一时刻出现在场景的动态物体,从而保证重建的环境中只保留静态物体。主要目标是改进基于视觉的定位和建图算法在动态环境中的效果,由于在动态环境中,在同一位置的不同时刻可能出现不同的目标对象,这将会降低视觉SLAM的鲁棒性。本文引入了一个端到端深度学习框架,将城市环境中的包含动态目标的图像(包括车辆或行人等动态内容)转换为适合定位和建图的真实静态场景的图像。
本文的两个主要难点是:第一、如何检测动态目标;第二、如何对被遮挡的静态背景环境进行修复。解决第一个难点,我们通过使用卷积网络来解决的,该网络可以学习多种类别的语义分割。解决第二个难点,我们采用生成对抗模型,以原始动态图像和计算得到的动态/静态二值掩码作为输入,从而生成最终的静态图像。
本文的另一个创新点,提出了两种新的损失函数:一种是基于图像掩码分析技术,用于提高修复的被遮挡的背景图像的质量;另一种是基于ORB特征,用于增强真实图像区域和动态图像区域之间的特征匹配。
主要框架及实验结果
PS:腾讯最近更改公众号推送规则,文章推送不在按照时间排序,而是通过智能推荐算法有选择的推送文章,为了避免收不到文章,看完文章您可以点击一下右下角的"在看",以后发文章就会第一时间推送到你面前。
声明:文章来自于网络,仅用于学习分享,版权归原作者所有,侵权请加上文微信联系删除。
点个“在看”,让我知道你的爱