【SLAM】开源 | 城市环境下的SLAM算法，通过深度学习有效去除环境中动态物体（车辆、行人等），提高算法的鲁棒性

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