Dynamic visual SLAM based on segment-everything and instance-level temporal inference

人工智能 计算机科学 计算机视觉 推论 特征(语言学) 模式识别(心理学) 可视化 噪音(视频) 过程(计算) 图像处理
作者
Bo Qin,Xin Xue,Xu Zhu,Jin-Chao Li,Haoyang Tang
出处
期刊:Results in engineering [Elsevier BV]
卷期号:31: 111462-111462 被引量:2
标识
DOI:10.1016/j.rineng.2026.111462
摘要

Simultaneous localization and mapping (SLAM) is a fundamental capability for autonomous localization and environmental perception in mobile robots. Conventional RGB-D visual SLAM generally relies on a quasi-static scene assumption. In open dynamic environments, independently moving objects may disrupt inter-frame data association and violate static rigid-body geometric consistency. These effects can lead to pose drift, tracking degradation, and map corruption. To address this problem, this paper proposes Dynamic Instance Filtering SLAM (DIF-SLAM), an RGB-D visual SLAM framework for unknown dynamic scenes based on open-world instance segmentation and instance-level temporal inference. The proposed method first normalizes open-world instance segmentation outputs into a mutually exclusive single-channel label map. It then establishes instance-level inter-frame association and constructs velocity observations from 3D static-compensation residuals. A two-state hidden Markov model with dual-channel posterior enhancement is further used for temporally stable motion-state inference. The inferred instance states are projected to pixel-level dynamic masks for dynamic observation suppression in Tracking and Dense Mapping. Experiments on the TUM RGB-D dataset, the Bonn RGB-D dataset, and real-world scenes show that DIF-SLAM improves localization accuracy and reconstruction quality in sequences with strong dynamic rigid-body interference. Its gains are more limited in low-dynamic scenes and non-rigid motion scenarios. Overall, the proposed method improves the temporal stability of instance-level motion-state estimation under unknown dynamic interference and reduces the impact of dynamic observations on pose estimation and map reconstruction.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
思源的应助被xiaolong采纳,获得10
刚刚
slm完成签到,获得积分10
刚刚
萝卜仔完成签到 ,获得积分10
刚刚
李奇妙完成签到,获得积分10
2秒前
哈哈发布了新的文献求助10
2秒前
零知识完成签到 ,获得积分10
2秒前
科研通AI65的应助被易宋采纳,获得10
2秒前
十一发布了新的文献求助10
3秒前
3秒前
松松完成签到 ,获得积分10
3秒前
邢夏之完成签到,获得积分10
4秒前
李健的小迷弟的应助被675675采纳,获得10
5秒前
温暖寒梦完成签到,获得积分20
5秒前
华无剑的应助被endlessloop采纳,获得10
5秒前
5秒前
zy完成签到 ,获得积分10
5秒前
5秒前
沉默笑蓝完成签到,获得积分10
5秒前
xwh完成签到,获得积分10
6秒前
冷静汉堡完成签到,获得积分10
7秒前
青年才俊发布了新的文献求助10
7秒前
8秒前
突突突完成签到,获得积分10
8秒前
机械霜完成签到,获得积分10
9秒前
冻结完成签到 ,获得积分10
9秒前
10秒前
共享精神的应助被祥子的骆驼采纳,获得10
10秒前
今后的应助被Cina采纳,获得30
10秒前
毛毛雨完成签到 ,获得积分10
10秒前
hgzb发布了新的文献求助10
10秒前
333发布了新的文献求助10
11秒前
爆米花的应助被xwx采纳,获得10
11秒前
12秒前
追寻的微笑完成签到,获得积分10
12秒前
13秒前
14秒前
青年才俊发布了新的文献求助10
14秒前
木夫贝完成签到,获得积分10
15秒前
脑洞疼的应助被XS_QI采纳,获得10
15秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
八旗制度の研究 600
Boundaries and Bodhisattvas 500
高分子基功能界面水蒸发材料与应用研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8181767
求助须知:如何正确求助?哪些是违规求助? 9571480
关于积分的说明 21818225
捐赠科研通 7778030
什么是DOI,文献DOI怎么找? 3433524
关于科研通互助平台的介绍 2557696
邀请新用户注册赠送积分活动 2479598