Los sistemas SLAM (acronimo del ingles, Simultaneous Localization and Mapping), fundamentales para aplicaciones como la navegacion autonoma, tienen como objetivo estimar el movimiento a partir de las imagenes tomadas por una camara a la vez que construyen un mapa del entorno. El funcionamiento de estos sistemas supone que operan en un ambiente estatico, por lo que la existencia de objetos en movimiento en la escena introduce importantes errores e inconsistencias en la construccion del mapa y la estimacion de la trayectoria de la camara. Con el objetivo de mejorar la robustez y precision de los sistemas de SLAM en entornos con elementos dinamicos, hemos desarrollado DOT (del ingles, Dynamic Object Tracking), un algoritmo de front-end integrable con sistemas de SLAM ya existentes. DOT combina una red neuronal y la geometrıa multivista para generar mascaras que identifican de forma robusta las partes dinamicas de cada imagen, de manera que el sistema SLAM no las emplee en su algoritmo de estimacion. Para determinar que objetos estan en movimiento, en primer lugar se obtienen las mascaras de segmentacion de los objetos potencialmente moviles mediante una red neuronal y, teniendo en cuenta el movimiento de la camara, se realiza el tracking de los objetos segmentados mediante la minimizacion del error fotometrico. Se ha evaluado DOT en combinacion con ORB-SLAM 2 en tres datasets publicos disenados para la investigacion en conduccion autonoma. Los resultados muestran que la estrategia de DOT para estimar el movimiento de los objetos y generar las mascaras que identifican los objetos en movimiento permite mejorar la robustez y precision de un sistema de SLAM tanto en escenas dinamicas como estaticas.


    Zugriff

    Download


    Exportieren, teilen und zitieren



    Titel :

    DOT: Dynamic Object Tracking for Visual SLAM


    Beteiligte:

    Erscheinungsdatum :

    2020


    Medientyp :

    Sonstige


    Format :

    Elektronische Ressource


    Sprache :

    Englisch




    Multi-object Monocular SLAM for Dynamic Environments

    Nair, Gokul B. / Daga, Swapnil / Sajnani, Rahul et al. | IEEE | 2020


    PredictiveSLAM - Robust Visual SLAM Through Trajectory-Aware Object Masking

    Heis, Micha / Hansen, Jakob Grimm / Li, Dengyun et al. | IEEE | 2023


    A Novel Texture-Less Object Oriented Visual SLAM System

    Dong, Yanchao / Wang, Senbo / Yue, Jiguang et al. | IEEE | 2021


    Visual SLAM: Why filter?

    Strasdat, H. / Montiel, J. M. / Davison, A. J. | British Library Online Contents | 2012


    Dynamic Visual SLAM Integrated with IMU for Unmanned Scenarios

    Peng, Zhongcui / Cheng, Shaowu / Li, Xiantong et al. | IEEE | 2022