Key points are not available for this paper at this time.
장면의 강직성은 일반적인 시각적 동시 위치 추정 및 지도 작성(vSLAM) 알고리즘에서 강한 가정입니다. 이러한 강한 가정은 증강 현실, 의미 맵핑, 무인 자율차 및 서비스 로봇과 같은 여러 관련 응용 프로그램의 목표인 동적 실제 환경에서 대부분의 vSLAM 사용을 제한합니다. 동적 객체를 감지하고 이상치를 제거하기 위해 다양한 종류의 의미 분할 방법(예: Mask R-CNN, SegNet)을 사용하는 많은 솔루션이 제안되었습니다. 그러나 우리가 아는 한, 이러한 방법들은 아키텍처에서 추적 스레드에서 의미 결과를 기다리고 있으며, 처리 시간은 사용되는 분할 방법에 따라 달라집니다. 본 논문에서는 ORB-SLAM3을 기반으로 하고 동적 환경에서 실시간으로 강력한 추적 및 지도를 위한 의미 스레드와 의미 기반 최적화 스레드를 추가한 실시간 시각적 동적 SLAM 알고리즘인 RDS-SLAM을 제시합니다. 이러한 새로운 스레드는 다른 스레드와 병렬로 실행되며, 따라서 추적 스레드는 더 이상 의미 정보를 기다릴 필요가 없습니다. 게다가, 가능한 최신 의미 정보를 얻기 위한 알고리즘을 제안하여 다양한 속도의 분할 방법을 균일하게 사용할 수 있도록 합니다. 우리는 데이터 연관 알고리즘을 사용하여 추적에서 이상치를 제거하는 데 사용되는 맵에 저장된 이동 확률을 사용하여 의미 정보를 업데이트하고 전파합니다. 마지막으로, 우리는 동적 실내 시나리오에서 공개 TUM RGB-D 데이터셋과 Kinect 카메라를 사용하여 추적 정확도와 실시간 성능을 평가합니다. 소스 코드 및 데모: https://github.com/yubaoliu/RDS-SLAM.git.
Liu et al. (금요일,)은 이 질문을 연구했습니다.