In recent years, visual SLAM has achieved great progress and development in different scenes, however, there are still many problems to be solved. The SLAM system is not only restricted by the external scenes but is also affected by its movement mode, such as movement speed, rotational motion, etc. As the representatives of the most excellent networks for frame interpolation, Sepconv-slomo and EDSC can predict high-quality intermediate frame between the previous frame and the current frame. Intuitively, frame interpolation technology can enrich the information of images sequences, the number of which is limited by the camera's frame rate, and thus decreasing the probability of SLAM system's failure rate. In this article, we propose an InterpolationSLAM framework. InterpolationSLAM is robust in rotational movement for Monocular and RGB-D configurations. By detecting the rotation and performing interpolation processing at the rotated position, pose of the system can be estimated more accurately, thereby improving the accuracy and robustness of the SLAM system in the rotational movement.


翻译:近些年来,视觉 SLM 在不同场景中取得了巨大的进步和发展,然而,仍然有许多问题有待解决,SLM 系统不仅受到外部场景的限制,而且还受到其移动模式的影响,例如移动速度、旋转运动等。由于最优秀的内插网络、Sepconv-slomo和EDSC的代表可以预测上一个框架和当前框架之间的高质量中间框架,框架内插技术可以直觉地丰富图像序列的信息,其数量受相机框架率的限制,从而降低SLAM系统失灵率的概率。在本篇文章中,我们提议建立一个INDIOLationSLAM框架。 IntergationSLAM在单体和RGB-D配置的轮动运动中非常活跃。通过在旋转位置上探测轮调和进行内插处理,可以更准确地估计系统构成,从而提高SLM 系统在轮动中的准确性和稳健性。

0
下载
关闭预览

相关内容

即时定位与地图构建(SLAM或Simultaneouslocalizationandmapping)是这样一种技术:使得机器人和自动驾驶汽车等设备能在未知环境(没有先验知识的前提下)建立地图,或者在已知环境(已给出该地图的先验知识)中能更新地图,并保证这些设备能在同时追踪它们的当前位置。
【NUS-Xavier教授】注意力神经网络,79页ppt
专知会员服务
62+阅读 · 2021年11月25日
中国金融科技生态白皮书,73页pdf
专知会员服务
44+阅读 · 2021年10月30日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
综述 | 激光与视觉融合SLAM
计算机视觉life
18+阅读 · 2020年10月8日
【泡泡一分钟】高动态环境的语义单目SLAM
泡泡机器人SLAM
5+阅读 · 2019年3月27日
【泡泡一分钟】用于评估视觉惯性里程计的TUM VI数据集
泡泡机器人SLAM
11+阅读 · 2019年1月4日
【泡泡一分钟】CVI-SLAM –协同视觉惯性SLAM
泡泡机器人SLAM
21+阅读 · 2018年12月18日
【泡泡前沿追踪】跟踪SLAM前沿动态系列之IROS2018
泡泡机器人SLAM
29+阅读 · 2018年10月28日
IEEE2018|An Accurate and Real-time 3D Tracking System for Robots
【泡泡一分钟】动态环境下稳健的单目SLAM
泡泡机器人SLAM
13+阅读 · 2018年3月22日
Video-to-Video Synthesis
Arxiv
9+阅读 · 2018年8月20日
Structure Aware SLAM using Quadrics and Planes
Arxiv
4+阅读 · 2018年8月13日
LIMO: Lidar-Monocular Visual Odometry
Arxiv
3+阅读 · 2018年7月19日
VIP会员
相关资讯
综述 | 激光与视觉融合SLAM
计算机视觉life
18+阅读 · 2020年10月8日
【泡泡一分钟】高动态环境的语义单目SLAM
泡泡机器人SLAM
5+阅读 · 2019年3月27日
【泡泡一分钟】用于评估视觉惯性里程计的TUM VI数据集
泡泡机器人SLAM
11+阅读 · 2019年1月4日
【泡泡一分钟】CVI-SLAM –协同视觉惯性SLAM
泡泡机器人SLAM
21+阅读 · 2018年12月18日
【泡泡前沿追踪】跟踪SLAM前沿动态系列之IROS2018
泡泡机器人SLAM
29+阅读 · 2018年10月28日
IEEE2018|An Accurate and Real-time 3D Tracking System for Robots
【泡泡一分钟】动态环境下稳健的单目SLAM
泡泡机器人SLAM
13+阅读 · 2018年3月22日
Top
微信扫码咨询专知VIP会员