USD-SLAM: 動的環境における大規模セグメンテーションモデルに基づく汎用視覚SLAM

視覚同時位置特定とマッピング（SLAM）は、自動運転やロボティクスで広く採用されています。ほとんどのSLAMシステムは静的または低動的環境で効果的に動作しますが、さまざまな未知の動的環境における正確なポーズ推定を達成することは依然として大きな課題です。本稿では、環境内の動的オブジェクトを正確に処理するために、汎用的大規模セグメンテーションモデルと3D空間運動状態制約モジュールを組み合わせた高度な汎用視覚SLAMシステム（USD-SLAM）を紹介します。私たちのシステムは、まず正確なプロンプトに基づいて導かれた大規模セグメンテーションモデルを使用して、可動領域を正確に特定します。特定された可動オブジェクト領域に基づいて、3D空間運動状態制約を利用して移動オブジェクト領域を除去します。最後に、移動オブジェクト領域は追跡、位置特定、マッピングのために除外され、安定した高精度なポーズ推定が確保されます。実験結果は、私たちの手法が追加のトレーニングなしでさまざまな動的および静的環境で堅牢に機能し、他の先進的な動的SLAMシステムと比較して高い位置特定精度を提供できることを示しています。