具有平面约束的 CNN 增强视觉-惯性 SLAM
机器人学
2022-05-09 v1 计算机视觉与模式识别
摘要
我们提出了一种鲁棒的视觉-惯性 SLAM 系统，结合了卷积神经网络（CNNs）与平面约束的优势。我们的系统利用 CNN 预测每幅图像的深度图及相应不确定性图。CNN 深度有效引导 SLAM 后端优化，同时 CNN 不确定性自适应地权衡每个特征点对后端优化的贡献。给定来自惯性传感器的重力方向，我们进一步提出一种快速平面检测方法，通过单点 RANSAC 检测水平面，并通过两点 RANSAC 检测垂直面。这些稳定检测到的平面转而用于正则化 SLAM 的后端优化。我们在公开数据集（即 EuRoC）上评估了系统，并展示出优于最先进 SLAM 系统（即 ORB-SLAM3）的结果。
引用
@article{arxiv.2205.02940,
title = {CNN-Augmented Visual-Inertial SLAM with Planar Constraints},
author = {Pan Ji and Yuan Tian and Qingan Yan and Yuxin Ma and Yi Xu},
journal= {arXiv preprint arXiv:2205.02940},
year = {2022}
}