一种用于自动驾驶的混合稀疏-稠密单目 SLAM 系统
计算机视觉与模式识别
2021-08-18 v1
摘要
本文提出一种系统，利用安装在移动车辆上的单目相机逐步重建室外环境几何的稠密 3D 模型。稠密模型提供了环境丰富的表示，有助于更高层次的场景理解、感知与规划。我们的系统采用稠密深度预测，并结合混合建图架构，在统一框架内集成了最先进的稀疏特征与基于稠密融合的视觉 SLAM 算法。我们的新颖贡献包括设计混合稀疏-稠密相机跟踪与回环检测，以及稠密深度预测中的尺度估计改进。我们利用稀疏方法的运动估计来克服室外车辆场景典型的大且可变的帧间位移。随后，我们的系统通过整图对齐将实时图像与稠密模型配准。这使得实时帧与稠密深度预测能够融合进模型中。通过将稀疏方法的位姿约束直接应用于稠密模型的形变中，实现了稀疏与稠密模型间的全局一致性与对齐。我们提供了轨迹估计与表面重建精度的定性与定量结果，在 KITTI 数据集上展示了具有竞争力的性能。所提方法的定性结果见 https://youtu.be/Pn2uaVqjskY。项目源代码公开于仓库 https://github.com/robotvisionmu/DenseMonoSLAM。
引用
@article{arxiv.2108.07736,
title = {A Hybrid Sparse-Dense Monocular SLAM System for Autonomous Driving},
author = {Louis Gallagher and Varun Ravi Kumar and Senthil Yogamani and John B. McDonald},
journal= {arXiv preprint arXiv:2108.07736},
year = {2021}
}
备注
8 pages, 5 figures. To be published in the proceedings of the 10th European Conference on Mobile Robotics 2021