基于深度图像与运动传感器经非线性 Kalman 滤波的精确 3D 建图
机器人学
2012-05-17 v1
摘要
本文研究了将深度图像作为定位传感器以构建 3D 地图的方法。借助 ICP（Iterative Closest Point）算法，从 3D 数据中提取出定位信息。本文分析了 ICP 及其定位误差的协方差，并用 Fisher 信息矩阵对其进行描述。论证表明，若将此数据与其他运动传感器的测量值甚至与运动的先验知识相融合，该误差可被大幅降低。数据融合由一种新近引入的特殊扩展 Kalman 滤波器（即所谓的 Invariant EKF）执行，并直接基于 ICP 的估计协方差。所得滤波器非常自然，且被证明具有强性质。使用 Kinect 传感器和三轴陀螺仪进行的实验证明，定位精度从而所构建 3D 地图的精度均有显著提升。
引用
@article{arxiv.1205.3727,
title = {Accurate 3D maps from depth images and motion sensors via nonlinear Kalman filtering},
author = {Thibault Hervier and Silvère Bonnabel and François Goulette},
journal= {arXiv preprint arXiv:1205.3727},
year = {2012}
}
备注
Submitted to IROS 2012. 8 pages