作者在VIODE数据集和自建数据集上分别对动态物体和临时静态物体进行了分析,结果显示DynaVINS性能在动态环境中比其他基于几何的算法工作得更好。此外作者提出,他们后续的工作是提高速度和性能,并将在激光-视觉-惯性SLAM框架中采用DynaVINS的概念。
作者在VIODE数据集和自建数据集上分别对动态物体和临时静态物体进行了分析,结果显示DynaVINS性能在动态环境中比其他基于几何的算法工作得更好。此外作者提出,他们后续的工作是提高速度和性能,并将在激光-视觉-惯性SLAM框架中采用DynaVINS的概念。
Please follow the below commands to build DynaVINS (on ROS). $cd~/catkin_ws/src $ git clone https://github.com/url-kaist/dynaVINS $cd../ $ catkin_make (orifyou use catkin tools) catkin build $source~/catkin_ws/devel/setup.bash ...
<name>dynaVINS</name> <version>0.0.0</version> <description>The vins package</description> <!-- One maintainer tag required, multiple allowed, one person per tag --> <!-- Example: --> <!-- <maintainer email="jane.doe@example.com">Jane Doe</maintainer> --> <maintainer email="qin...
为了克服这些问题,我们提出了一种新的视觉惯导SLAM框架,称为DynaVINS,它对动态对象和临时静态对象都具有一定鲁棒性。在我们的框架中,首先提出了一种稳健的捆集调整,它可以通过利用IMU预积分信息估计的先验位姿拒绝来自动态对象的特征。然后,提出了关键帧分组和基于多假设的约束分组方法,以减少回环闭合中临时静态对象的...