S3LAM: SLAM à Scène Structurée - Inria - Institut national de recherche en sciences et technologies du numérique Access content directly
Conference Papers Year : 2022

S3LAM: SLAM à Scène Structurée

Abstract

Nous proposons un nouveau système de SLAM (Simultaneous Localization And Mapping) qui utilise la segmentation sémantique des images. La segmentation sémantique présente un intérêt car elle contient une information haut niveau pouvant rendre plus précis le SLAM. Notre contribution est double : i) un système de SLAM basé sur ORB-SLAM2 capable de créer une cartographie sémantique. ii) Une modification de l'algorithme d'ajustement de faisceaux pour contraindre la position des points 3D de la cartographie en utilisant des a priori géométriques. Nous évaluons notre approche sur plusieurs jeux de données publics et montrons que notre approche améliore l'estimation de pose de caméra en comparaison de l'état de l'art.
Fichier principal
Vignette du fichier
S3LAM_GRETSI_Reviewed.pdf (818.17 Ko) Télécharger le fichier
Origin : Files produced by the author(s)

Dates and versions

hal-03711725 , version 1 (01-07-2022)

Identifiers

  • HAL Id : hal-03711725 , version 1

Cite

Mathieu Gonzalez, Eric Marchand, Amine Kacete, Jérôme Royan. S3LAM: SLAM à Scène Structurée. GRETSI 2022 - XXVIIIème Colloque Francophone de Traitement du Signal et des Images, Sep 2022, Nancy, France. pp.1-4. ⟨hal-03711725⟩
74 View
55 Download

Share

Gmail Facebook X LinkedIn More