Attention-SLAM: A Visual Monocular SLAM Learning from Human Gaze

论文链接：https://arxiv.org/abs/2009.06886 代码链接：https://github.com/Li-Jinquan/Salient-Euroc

本文将视觉显著性模型与单目SLAM相结合，在效率，准确性等方面均优于DSO，ORB-SLAM等基准。而且作者将语义显著性信息添加到Euroc数据集，以生成Salient-Euroc：显著性SLAM数据集。数据集即将开源！作者单位：上海交通大学

本文提出了一种新颖的SLAM方法，即Attention-SLAM，该方法通过将视觉显著性模型（SalNavNet）与传统的单目视觉SLAM相结合来模拟人类导航模式。大多数SLAM方法在优化过程中将从图像中提取的所有特征都视为同等重要。但是，场景中的显著特征点在人类导航过程中具有更大的影响力。因此，我们首先提出一个称为SalVavNet的视觉显著性模型，其中引入相关模块并提出自适应指数移动平均值（EMA）模块。这些模块减轻了中心偏差，从而使SalNavNet生成的显著图可以更加关注同一凸出对象。此外，显著性图可模拟人类行为以完善SLAM结果。从显著性区域提取的特征点在优化过程中具有更大的重要性。我们将语义显著性信息添加到Euroc数据集，以生成开源显着性SLAM数据集。全面的测试结果证明，在大多数测试用例中，Attention-SLAM在效率，准确性和鲁棒性方面均优于Direct Sparse Odometry（DSO），ORB-SLAM和Salient DSO等基准。

内容中包含的图片若涉及版权问题，请及时与我们联系删除