基于通用目标检测校正尺度漂移的单目SLAM贝叶斯尺度估计
机器人学
2017-11-09 v1
摘要
本文提出了一种新颖的在线算法，用于估计应施加于单目SLAM系统输出的局部尺度校正量，从而获得尽可能忠实的3D地图与相机轨迹的度量重建。在贝叶斯框架下，该算法融合了基于深度学习的通用目标检测器的观测以及关于尺度漂移演化的先验。对于每一观测类别，使用该类物体高度的预定义先验，从而定义观测似然。由于单目SLAM系统固有的尺度漂移，我们引入了一个关于尺度漂移动力学的粗略模型。在KITTI数据集上给出了系统的定量评估，并与不同方法进行比较。结果表明，与其他单目系统相比，我们的方案在相对平移误差方面具有更优的性能。
引用
@article{arxiv.1711.02768,
title = {Bayesian Scale Estimation for Monocular SLAM Based on Generic Object Detection for Correcting Scale Drift},
author = {Edgar Sucar and Jean-Bernard Hayet},
journal= {arXiv preprint arXiv:1711.02768},
year = {2017}
}