一种基于密集子帧的侧扫声纳 SLAM 框架
机器人学
2024-11-18 v2
摘要
侧扫声纳(SSS)是一种轻便的声学传感器,通常部署在自主水下航行器(AUV)上以提供高分辨率的海底图像。然而,利用侧扫图像进行同时定位与建图(SLAM)提出了一个显著的挑战,主要原因是难以在这些图像之间建立足够数量的精确对应关系。为了解决这个问题,我们引入了一种利用侧扫声纳数据的基于子帧的密集 SLAM 框架,能够在成对侧扫图像的重叠区域进行有效的密集匹配。通过将每幅图像均匀划分为子帧,我们提出了一种鲁棒估计流程,通过使用从密集对应关系中识别出的良好内点集来估计每对子帧之间的相对位姿。然后将这些相对位姿作为边约束整合到因子图中,以优化 AUV 的位姿轨迹。所提框架在 Hugin AUV 采集的三个真实数据集上进行了评估。其中一个数据集包含手动标注的关键点对应关系作为真值,用于评估位姿轨迹。我们还提出了一种在不受位姿影响的情况下,利用多波束测深仪(MBES)数据评估建图质量的可行方法。实验结果表明,我们的方法有效减轻了航位推算(DR)系统的漂移,并实现了准密集测深重建。本工作的开源实现已公开。
引用
@article{arxiv.2312.13802,
title = {A Dense Subframe-based SLAM Framework with Side-scan Sonar},
author = {Jun Zhang and Yiping Xie and Li Ling and John Folkesson},
journal= {arXiv preprint arXiv:2312.13802},
year = {2024}
}
备注
13 pages, 15 figures. Preprint version of manuscript accepted to IEEE Journal of Ocean Engineering. arXiv admin note: text overlap with arXiv:2304.01854