我们提出了一个orbslam-atlas系统,该系统能够处理无限数量的断开子地图,其中包括一个健壮的地图合并算法,能够检测出具有公共区域的子地图,并无缝地融合它们。orbslam的突出鲁棒性和准确性是因为它能够检测关键帧之间的宽基线匹配,并通过非线性优化来利用这些匹配,但它只能处理单个建图。Orbslam Atlas为多地图竞技场带来了广泛的基线匹配检测和开发。结果是slam系统明显更通用和健壮,能够执行多建图。如果在探索过程中丢失了跟踪,则不会冻结地图,而是启动一个新的子地图,当访问公共部分时,它可以与以前的地图融合。
我们的标准,相机失去对比以往的方法,简单地计数跟踪点的数量,我们建议放弃也不准确估计的相机姿势,由于不良的几何条件。结果,地图被分割成更精确的子地图,这些子地图最终被合并到更精确的全局地图中,这要归功于多重地图功能。我们在Euroc数据集中提供了广泛的实验验证,Orbslam Atlas在Orbslam失败的困难序列中获得准确的单目和立体结果。我们也在同一个房间内进行多次会议后构建全球地图,获得迄今为止最好的结果,其精度是竞争性多地图方法的2至3倍。我们还展示了我们的系统在处理动态场景方面的健壮性和能力,定量地在euroc数据集中,定性地在人口稠密的走廊中,在那里相机阻塞和跟踪丢失是经常发生的。
1.我们称之为Atlas的多地图表示,它处理无限数量的子地图。该图集有一个唯一的dbows数据库,其中包含所有子地图的关键帧,这允许高效的多地图位置识别。
2.所有多映射操作的算法:创建新建图、在多个映射中重新定位和映射合并。我们设计了如何将基本映射阶段交织在一起,以稳健、准确、高效地执行多重映射操作。在系统的各个组成部分中,地图合并过程是一个相关的过程,它将两个地图与一个公共区域进行无缝融合。合并后,两个合并映射将完全替换为新的合并映射。我们建议在跟踪丢失后创建一个新的地图。它可以防止探索性轨迹中的故障,在这种情况下,重新定位无法恢复相机跟踪损失。