【SLAM】开源 | Co-Fusion: 多目标的实时分割、跟踪和融合方法，物体级别的语义SLAM！

论文地址： http://arxiv.org/pdf/1706.06629v1.pdf

代码： https://github.com/martinruenz/co-fusion

来源： 英国伦敦大学学院

论文名称：Co-Fusion: Real-time Segmentation, Tracking and Fusion of Multiple Objects

原文作者：Martin Runz

内容提要

本文介绍了一种稠密SLAM系统——Co-Fusion，以实时的RGB-D图片流为输入，并分割场景为不同物体（使用运动或语义线索），同时实时跟踪和重建它们的3D形状。本文使用了一种多模型拟合方法，其中每个物体可以独立于背景进行运动，并能够被有效地跟踪，同时它的形状使用与该物体标号关联的像素跟随时间进行融合。以往试图解决动态场景，通常假设运动区域为外点，并且不建模它们的形状或跟踪它们随时间的运动。相反地，我们让机器人维护每个物体的3D模型，并随时间的进行融合提高模型结果。因此，本文的系统能够使机器人以物体级别描述场景，具有和环境交互的潜力，在动态环境中也适用。

主要框架及实验结果