slam框架:Plane-Edge-SLAM:平面和边缘的无缝融合,用于室内环境中的 SLAM

论文题目:

Plane-Edge-SLAM: Seamless Fusion of Planes and Edges for SLAM in Indoor Environments

Plane-Edge-SLAM:平面和边缘的无缝融合,用于室内环境中的 SLAM

论文链接:

Plane-Edge-SLAM: Seamless Fusion of Planes and Edges for SLAM in Indoor Environments | IEEE Journals & Magazine | IEEE Xplore

摘要:

平面和边缘是室内环境中同时定位和映射 (SLAM) 的有吸引力的特征,因为它们可以被可靠地提取并且对光照变化具有鲁棒性。 然而,无缝融合两种不同类型的特征以避免退化并准确估计相机运动仍然是一个具有挑战性的问题。 在本文中,开发了一种使用 RGB-D 传感器的平面-边缘-SLAM 系统,以解决平面和边缘的无缝融合问题。 首先执行约束分析以获得平面如何约束相机运动估计的定量测量。 然后,利用约束分析的结果,精心设计自适应加权算法以实现无缝融合。 通过平面和边缘的融合,运动估计的解决方案是完全约束的,并且在所有情况下问题仍然是适定的。 此外,提出了一种概率平面拟合算法来将平面模型拟合到有噪声的 3-D 点。 通过利用深度传感器的误差模型,所提出的平面拟合能够适应对应于不同深度测量的各种测量噪声。 因此,估计的平面参数对于具有较大不确定性的点更加准确和鲁棒。 与现有的平面拟合方法相比,所提出的方法肯定有利于运动估计的性能。 公共数据集和真实室内场景的大量实验结果表明,平面边缘 SLAM 系统可以实现高精度和鲁棒性。

主要贡献:

1.提出了一种平面与边缘的无缝融合来充分约束运动估计。在融合过程中,充分利用了平面和边缘所提供的约束条件。无缝融合使得运动估计问题在任何情况下都保持良好的适定性,也为特征融合问题提供了一个新的视角。

2.分析了平面约束对摄像机运动估计的影响,导出了约束运动子空间的显式表示。提出了一种定量测量给定摄相机运动约束强度的方法。分析结果不仅可用于平面和边缘的融合,也可用于运动估计奇异解的识别。

3.提出了一种概率平面拟合算法,利用深度图像中的噪声点来拟合平面模型。所估计的平面模型对测量噪声具有较强的适应性,有利于基于平面的摄像机运动估计

框架结构:

slam框架:Plane-Edge-SLAM:平面和边缘的无缝融合,用于室内环境中的 SLAM_第1张图片

总结:

1 拟合平面时应注意:

  1.1 估计的平面模型应该更适合测量精准的点

  1.2 需要将深度传感器的不确定测量度(即误差模型)转换为点到平面的不确定度(优化方法值得学习)。具体做法是定义噪声和点到面的距离都符合零均值的高斯模型,可以确定出噪声的协防差。再带入定义的点到面的距离公式中,使用马氏距离优化,求出最优的距离d,从而可以使用加权映射矩阵对平面法相量n做优化。

2 融合线和面的特征,论文中主体是面特征,根据面特征的置信度概率自适应调整线特征的权重(代价函数的创新点)。边缘点的权重是基于对沿运动空间每个维度的运动的约束强度的定量测量来自适应计算的。

参考:

论文阅读《Plane-Edge-SLAM: Seamless Fusion of Planes and Edges for SLAM in Indoor Environments》 - 知乎

你可能感兴趣的:(论文阅读,计算机视觉,自动驾驶,slam,人工智能)