专栏首页arxiv.org翻译专栏SO-SLAM:具有比例和对称纹理约束的语义对象SLAM

SO-SLAM:具有比例和对称纹理约束的语义对象SLAM

对象SLAM将对象的概念引入到同步定位和映射(SLAM)中,并帮助理解移动机器人和对象级交互应用程序的室内场景。最先进的目标SLAM系统面临着诸如部分观测、遮挡、不可观测问题等挑战,限制了映射精度和鲁棒性。本文提出了一种新的单目语义对象SLAM(SO-SLAM)系统,解决了对象空间约束的引入问题。我们探讨了三种具有代表性的空间约束,包括比例约束、对称纹理约束和平面支撑约束。基于这些语义约束,我们提出了两种新的方法——更健壮的对象初始化方法和方向精细优化方法。我们已经在公共数据集和作者记录的移动机器人数据集上验证了算法的性能,并在映射效果上取得了显著的改进。我们将在这里发布代码:这个https URL。

原文标题:SO-SLAM: Semantic Object SLAM with Scale Proportional and Symmetrical Texture Constraints

原文:Object SLAM introduces the concept of objects into Simultaneous Localization and Mapping (SLAM) and helps understand indoor scenes for mobile robots and object-level interactive applications. The state-of-art object SLAM systems face challenges such as partial observations, occlusions, unobservable problems, limiting the mapping accuracy and robustness. This paper proposes a novel monocular Semantic Object SLAM (SO-SLAM) system that addresses the introduction of object spatial constraints. We explore three representative spatial constraints, including scale proportional constraint, symmetrical texture constraint and plane supporting constraint. Based on these semantic constraints, we propose two new methods - a more robust object initialization method and an orientation fine optimization method. We have verified the performance of the algorithm on the public datasets and an author-recorded mobile robot dataset and achieved a significant improvement on mapping effects. We will release the code here: this https URL.

原文链接:https://arxiv.org/abs/2109.04884

原文作者:Ziwei Liao, Yutong Hu, Jiadong Zhang, Xianyu Qi, Xiaoyu Zhang, Wei Wang

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 一文了解动态场景中的SLAM的研究现状

    常规的SLAM算法首先假设环境中所有物体均处于静止的状态。而一些能够在动态环境中运行的SLAM系统,只是将环境中的动态物体视为异常值并将他们从环境中剔除,再使用...

    小白学视觉
  • 一文详解SLAM的主要任务和开源框架

    SLAM是Simultaneous localization and mapping缩写,意为“同步定位与建图”.

    3D视觉工坊
  • 从零开始一起学习SLAM | 为啥需要李群与李代数?

    很多刚刚接触SLAM的小伙伴在看到李群和李代数这部分的时候,都有点蒙蒙哒,感觉突然到了另外一个世界,很多都不自觉的跳过了,但是这里必须强调一点,这部分在后续SL...

    用户1150922
  • 论文简述 | 融合关键点和标记的基于图优化的可视化SLAM

    同步定位与建图在移动机器人自主导航中起着重要的作用.大多数视觉SLAM方法使用关键点进行跟踪,但由于光线条件不确定和视点频繁变化,其性能受到任务中不稳定地标的影...

    3D视觉工坊
  • 同时定位与地图创建综述

    SLAM包含两个主要任务,定位和建图。这是移动机器人自主完成作业任务需要解决的基本问题,特别是在未知环境的情况下,移动机器人既要确定自身在环境中的位姿,又要根据...

    3D视觉工坊
  • 基于图像语义的视觉同步定位和建图综述:面向应用的移动机器人自主导航解决方案

    论文名称: A survey of image semantics-based visual simultaneous localization and map...

    用户1150922
  • 在结构化场景中基于单目的物体与平面SLAM方案

    文章:Monocular Object and Plane SLAM in Structured Environments

    点云PCL博主
  • SLAM综述(3)-视觉与惯导,视觉与深度学习SLAM

    视觉SLAM的稳定性是一项技术挑战。因为基于单目的视觉SLAM需要初始化、尺度的不确定性和尺度漂移等问题[1]。尽管立体相机和RGB-D相机可以解决初始化和缩放...

    点云PCL博主
  • SLAM综述之Lidar SLAM

    SLAM包含了两个主要的任务:定位与构图,在移动机器人或者自动驾驶中,这是一个十分重要的问题:机器人要精确的移动,就必须要有一个环境的地图,那么要构建环境的地图...

    点云PCL博主
  • 论文简述 | Line Flow Based SLAM

    我们提出了一种通过预测和更新代表3D线段的连续2D投影的线流的可视化SLAM方法.虽然使用点和线段的间接SLAM方法取得了优异的效果,但它们在具有挑战性的场景中...

    计算机视觉
  • SLAM综述-Lidar SLAM

    SLAM包含了两个主要的任务:定位与构图,在移动机器人或者自动驾驶中,这是一个十分重要的问题:机器人要精确的移动,就必须要有一个环境的地图,那么要构建环境的地图...

    3D视觉工坊
  • 视觉/视觉惯性SLAM最新综述:领域进展、方法分类与实验对比

    Visual and Visual-Inertial SLAM: State of the Art, Classification,and Experiment...

    3D视觉工坊
  • 视觉/视觉惯性SLAM最新综述:领域进展、方法分类与实验对比

    Visual and Visual-Inertial SLAM: State of the Art, Classification,and Experiment...

    计算机视觉
  • ECCV 2020 | 基于分割一致性的单目自监督三维重建

    本文主要从二维图像及其轮廓的集合中,学习一个自监督的、单视图的三维重建模型,预测目标物体的3D网格形状、纹理和相机位姿。提出的方法不需要3D监督、注释的关键点、...

    计算机视觉
  • CVPR2020 | Strip Pooling:语义分割新trick,条纹池化取代空间池化

    代码链接:https://github.com/Andrew-Qibin/SPNet

    AI算法修炼营
  • SLAM刚刚开始的未来之“工程细节”

    用户1737318
  • Fast ORB-SLAM

    文章:FastORB-SLAM: Fast ORB-SLAM method with Coarse-to-Fine Descriptor Independent...

    点云PCL博主
  • 无人驾驶技术的灵魂——SLAM的现在与未来

    用户1737318
  • 详解|无人驾驶技术之魂——SLAM的现在与未来

    本文节选自图书《视觉SLAM十四讲:从理论到实践》,该书系统介绍了视觉SLAM(同时定位与地图构建)所需的基本知识与核心算法,既包括数学理论基础,又包括计算机视...

    AI科技大本营

扫码关注云+社区

领取腾讯云代金券