動的シーンにおけるRGB-D SLAMのカメラ姿勢精度を向上させるために、インスタンスセグメンテーションとオプティカルフローアルゴリズムに基づく高精度なRGB-D SLAM手法を提案する。まず、インスタンスセグメンテーションアルゴリズムを用いてシーン内の物体を検出し、非剛体物体を除去してセマンティックマップを構築する。次に、オプティカルフロー情報を利用して運動残差を計算し、シーン内の動的剛体物体を検出し、これらの動的剛体物体をセマンティックマップ上で追跡する。さらに、各フレームから非剛体物体および動的剛体物体上の動的特徴点を削除し、他の安定した特徴点を用いてカメラ姿勢を最適化する。最後に、TSDFモデルを用いて静的背景を再構築し、点群の形で動的剛体物体を表示する。TUMおよびBonnデータセットでのテストにより、本手法は最新のSLAM手法ACEFusionと比較してカメラ精度が約43％向上することが示された。アブレーション実験の結果、動的剛体物体が静止状態にある際の特徴点を保持することがカメラ姿勢推定結果を約37％向上させることが明らかになった。密な地図作成実験により、本手法は動的シーンでの再構築結果が最新手法よりも優れており、平均再構築誤差は0.042mであった。コードはhttps://github.com/wawcg/dy_wcgにて公開している。

動的シーン;同時定位とマッピング;インスタンスセグメンテーション;オプティカルフロー