BAMF-SLAM：基于循环场变换的集束调整多鱼眼视觉-惯性 SLAM
机器人学
2025-08-06 v2
摘要
本文提出 BAMF-SLAM，一种新颖的多鱼眼视觉-惯性 SLAM 系统，利用集束调整（BA）与循环场变换（RFT）在挑战性场景中实现准确且鲁棒的状态估计。首先，我们的系统直接处理原始鱼眼图像，使我们能充分利用鱼眼相机的宽视场（FoV）。其次，为克服低纹理挑战，我们通过统一因子图探索多相机输入与互补惯性测量的紧耦合集成，并联合优化位姿与稠密深度图。第三，为全局一致性，鱼眼相机的宽 FoV 使系统能找到更多潜在回环闭合，且借助 RFT 的宽收敛域，我们的系统可用极少重叠实现极宽基线回环闭合。此外，我们引入一种半位姿图 BA 方法以避免昂贵的全全局 BA。通过结合相对位姿因子与回环闭合因子，全局状态得以以适度内存占用高效调整，同时保持高精度。在 TUM-VI、Hilti-Oxford 与 Newer College 数据集上的评估显示了所提系统优于先前工作的性能。在 2022 年 Hilti SLAM 挑战赛中，我们的 VIO 版本获得第二名。在后续提交中，我们包含全局 BA 后端的完整系统超越了获胜方案。
引用
@article{arxiv.2306.01173,
title = {BAMF-SLAM: Bundle Adjusted Multi-Fisheye Visual-Inertial SLAM Using Recurrent Field Transforms},
author = {Wei Zhang and Sen Wang and Xingliang Dong and Rongwei Guo and Norbert Haala},
journal= {arXiv preprint arXiv:2306.01173},
year = {2025}
}
备注
Accepted to ICRA2023