跟踪精度提高至97.9%！TMU最新Gassidy: 处理动态物体不规则运动的稠密RGB-D SLAM

文章预览

点击下方 卡片 ，关注“ 3D视觉之心 ”公众号 第一时间获取 3D视觉干货 >> 点击进入→ 3D视觉之心技术交流群 处理动态环境的困难 稠密视觉同步定位与建图（SLAM）因其能够呈现复杂环境的能力，广泛应用于移动机器人导航等任务。这些方法依赖已知的静态环境信息来构建精确的地图。然而，移动机器人通常在动态环境中工作，环境中的不可预测变化可能会降低 SLAM 的建图精度。因此，解决动态环境变化带来的挑战对于提升 SLAM 在移动机器人任务中的有效性至关重要。 最近，研究者们将神经辐射场（NeRF）与 SLAM 集成，用于重建动态环境中的场景，因为 NeRF 可以捕捉复杂的光照效果和细致的表面细节。通过生成光流并采用语义分割，基于 NeRF 的方法在过滤动态环境干扰方面表现出色。然而， 这些方法依赖于预定义的语义分割来应对动态变化，而这 ………………………………