【文献】SLAM RGB-L: Enhancing Indirect Visual SLAM using LiDAR-based Dense Depth Maps

Article info.

RGB-L: Enhancing Indirect Visual SLAM using LiDAR-based Dense Depth Maps
https://arxiv.org/abs/2212.02085 2022

Introduction

Review：Visual-LiDAR SLAM

1. 双目+LiDAR+IMU：W. Shao, S. Vijayarangan, C. Li, and G. Kantor, “Stereo visual inertial lidar simultaneous localization and mapping,” in 2019 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), pp. 370–377, IEEE, 2019.
2. 开源、VIO+LIO、实时：R3 live++: A robust, real-time, radiance reconstruction package with a tightly-coupled lidar-inertial-visual state estimator,

Architecture

稠密深度图生成

本文融合LiDAR数据方法：稀疏点云上采样成深度图直接接进ORB3的RGBD模块。

上采样的方法：前者更好

1. 传统CV方法 （inverse dilation with 5*5 diamond kernel）
2. 深度学习方法 （ENet）

Take home messages

• 本文提出的 RGB-L 方法是建立在 ORB-SLAM3 的 RGB-D 模式之上的。
• 相比于 ORB-SLAM3 的双目模式，本文的RGB-L计算量下降了40%
• 点云稀疏会导致特征点深度信息不准

Resources

本文代码： https://github.com/TUMFTM/ORB_SLAM3_RGBL

IDEAS