Kimera实时重建的语义SLAM系统

Kimera实时重建的语义SLAM系统

Kimera是C++实现的一个具有实时度量的语义SLAM系统，使用的传感器有相机与IMU惯导数据来构建环境语义标注的3D网格，Kinera支持ＲＯＳ运行在ＣＰＵ上的高效模块化的开源方案。包含了四个模块：
快速准确的视觉-惯导里程计VIO流水线（Kimera-VIO）
基于鲁棒位姿的图优化完整SLAM实现（Kimera-RPGO）
单帧和多帧3D网格生成器（Kimera-Mesher）
语义标签的3D网格生成器（Kimera-Semantics）
github:https://github.com/MIT-SPARK/Kimera

摘要

论文提供了一个开源的C++库，用于实时度量语义视觉惯性同时定位和构图系统（SLAM）。该库超越了现有的视觉和视觉惯性SLAM库（如ORB-SLAM、VINSMono、OKVIS、ROVIO），在3D环境中中实现了网格重建和语义标记。Kimera的设计考虑了模块化，它有四个关键组件：用于快速准确状态估计的视觉惯性里程计（VIO）模块、健壮的姿态图全局轨迹估计优化器、快速网格重建的轻量级三维网格模块和密集三维度量语义重建模块。这些模块可以单独运行，也可以组合运行，因此Kimera可以很容易被修改单独作为VIO或完整的SLAM系统。Kimera是基于ＲＯＳ的在CPU上实时运行，从语义标记的图像中生成一个三维度量语义网格，可以通过现代的深度学习方法获得。我们希望Kimera提供的灵活性、计算效率、健壮性和准确性将为未来的度量语义SLAM和感知研究奠定坚实的基础，并允许研究人员跨多个领域（如VIO、SLAM、3D重建）进行研究升级，在不需要从头开始的情况下，对自己的工作进行基准测试和原型开发）。