以下內(nèi)容來自小六的機(jī)器人SLAM學(xué)習(xí)圈知識(shí)星球每日更新內(nèi)容

點(diǎn)擊領(lǐng)取學(xué)習(xí)資料 → 機(jī)器人SLAM學(xué)習(xí)資料大禮包

#論文# RGB-D Inertial Odometry for a Resource-Restricted Robot in Dynamic Environments、

論文地址：https://arxiv.org/abs/2304.10987

作者單位：哈爾濱工業(yè)大學(xué)

開源代碼：https://github.com/HITSZ-NRSL/Dynamic-VINS

當(dāng)前的同步定位與建圖(SLAM)算法在靜態(tài)環(huán)境下性能良好，但在動(dòng)態(tài)環(huán)境下容易失效。最近的研究將基于深度學(xué)習(xí)的語義信息引入SLAM系統(tǒng)，以減少動(dòng)態(tài)對(duì)象的影響。然而，如何在動(dòng)態(tài)環(huán)境中對(duì)資源受限的機(jī)器人進(jìn)行魯棒定位仍然是一個(gè)挑戰(zhàn)。本文提出了一種用于動(dòng)態(tài)環(huán)境下資源受限機(jī)器人的實(shí)時(shí)RGB-D慣性里程計(jì)系統(tǒng)dynamic - vins。三個(gè)主線程并行運(yùn)行:對(duì)象檢測(cè)、特征跟蹤和狀態(tài)優(yōu)化。

本文提出的動(dòng)態(tài)vins結(jié)合目標(biāo)檢測(cè)和深度信息進(jìn)行動(dòng)態(tài)特征識(shí)別，達(dá)到了與語義分割相當(dāng)?shù)男阅堋?dòng)態(tài)vins采用基于網(wǎng)格的特征檢測(cè)，提出了一種快速高效提取高質(zhì)量fast特征點(diǎn)的方法。將IMU應(yīng)用于運(yùn)動(dòng)預(yù)測(cè)，進(jìn)行特征跟蹤和運(yùn)動(dòng)一致性檢查。該方法在公共數(shù)據(jù)集和實(shí)際應(yīng)用中進(jìn)行了評(píng)估，并在動(dòng)態(tài)環(huán)境中顯示出具有競(jìng)爭(zhēng)力的定位精度和魯棒性。

本文貢獻(xiàn)如下：

1、提出了一種基于優(yōu)化的RGB-D慣性里程計(jì)算法，為動(dòng)態(tài)復(fù)雜環(huán)境下資源受限機(jī)器人提供實(shí)時(shí)狀態(tài)估計(jì)結(jié)果。

2、提出了輕量級(jí)特征檢測(cè)與跟蹤，以減少計(jì)算負(fù)擔(dān)。此外，提出了結(jié)合目標(biāo)檢測(cè)和深度信息的動(dòng)態(tài)特征識(shí)別模塊，為復(fù)雜環(huán)境和室外環(huán)境提供魯棒的動(dòng)態(tài)特征識(shí)別。

3、通過實(shí)驗(yàn)驗(yàn)證了該系統(tǒng)在動(dòng)態(tài)環(huán)境下資源受限平臺(tái)上的競(jìng)爭(zhēng)精度、魯棒性和效率。

以上內(nèi)容來自小六的機(jī)器人SLAM學(xué)習(xí)圈知識(shí)星球每日更新內(nèi)容