Un SLAM dinámico de segmentación de movimiento para entornos interiores sin GNSS

Área de la Ciencia:

• La robótica
• Visión por computadora
• Inteligencia artificial

Sus antecedentes:

• La localización y el mapeo simultáneos (SLAM) son cruciales en entornos sin GPS.
• Los objetos y las variables dinámicas tienen un impacto negativo en la precisión de posición del SLAM.
• La creación de mapas de elementos estáticos en escenas dinámicas es un desafío clave.

Objetivo del estudio:

• Desarrollar un sistema SLAM robusto para entornos dinámicos.
• Mejorar la precisión de posición y la coherencia de los mapas en entornos privados de GNSS.
• Para reducir el impacto de los objetos dinámicos en el SLAM visual.

Principales métodos:

• Se introdujo OS-SLAM, que integra la segmentación de movimiento de flujo óptico.
• Desarrolló una ligera red de flujo óptico de múltiples escalas para una segmentación precisa del movimiento.
• Propuso un enfoque de fusión YOLO-más rápido y Rigidmask para manejar objetos no rígidos.
• Se generan mapas estáticos de nubes de puntos densos mediante el filtrado de nubes de puntos anormales.

Principales resultados:

• OS-SLAM demostró una mayor robustez en entornos dinámicos.
• El sistema redujo significativamente el impacto de los objetos dinámicos en la localización.
• Los resultados experimentales mostraron reducciones sustanciales en el error de posición absoluta (APE) y el error de posición relativa (RPE) en comparación con ORB-SLAM3 en el conjunto de datos TUM.

Conclusiones:

• OS-SLAM integra efectivamente el flujo óptico y la segmentación de movimiento para SLAM robusto.
• El método de fusión propuesto mitiga los errores de segmentación causados por objetos dinámicos.
• OS-SLAM ofrece un rendimiento superior en tareas SLAM visuales dinámicas, especialmente en escenarios difíciles sin GNSS.