摘要
提出了一种面向大规模动态城市环境的立体密集映射算法。与现有的其他方法相比，我们同时重建静态背景、运动对象和可能运动但目前静止的对象，这对于高水平移动机器人的任务，如拥挤环境中的路径规划是理想的。我们使用实例感知语义分割和稀疏场景流将对象分类为背景、移动或潜在移动，从而确保系统能够建模具有从静态到动态转换潜力的对象，如停放的汽车。给定从视觉测程法估计的摄像机姿态，通过融合从立体输入计算的深度地图，分别重建背景和(潜在的)运动对象。除了视觉测程外，稀疏场景流还用于估计被检测运动目标的三维运动，以便准确地重建运动目标。进一步开发了一种地图剪枝技术，以提高重建精度和减少内存消耗，从而提高可伸缩性。我们在著名的KITTI数据集上对我们的系统进行了全面的评估。我们的系统能够在大约2.5Hz的PC上运行，主要的瓶颈是实例感知的语义分割，这是我们希望在未来的工作中解决的一个限制。
作者
Ioan安德烈Barsan，刘培东，Marc Pollefeys, Andreas Geiger
会议
ICRA 2018
论文全文
视频
项目页面
超级ATG
评论