面向基于特征的位姿估计的深度图像与点云转换
计算机视觉与模式识别
2023-12-15 v1 机器人学
摘要
近年来，深度传感器愈发廉价，并已进入越来越多的机器人系统。然而，原始深度图像或点云上的单模态或多模态传感器配准——通常为进一步处理的必要步骤——面临诸多挑战。本文提出一种将深度数据转换为图像的方法，该图像能可视化传统深度图像中基本隐藏的空间细节。在去噪后，一组邻域点形成两个法向量，其差异被编码入这一新转换中。与 Bearing Angle 图像相比，我们的方法生成更明亮、更高对比度且具更多可见轮廓与细节的图像。我们在视觉里程计任务与 RGB-D SLAM 中测试了两种转换的基于特征的位姿估计。对于所有测试特征 AKAZE、ORB、SIFT 与 SURF，我们的新 Flexion 图像均优于 Bearing Angle 图像，并展现出弥合深度数据与传统计算机视觉之间鸿沟的巨大潜力。源代码见于：https://rlsch.github.io/depth-flexion-conversion。
关键词
引用
@article{arxiv.2310.14924,
title = {Converting Depth Images and Point Clouds for Feature-based Pose Estimation},
author = {Robert Lösch and Mark Sastuba and Jonas Toth and Bernhard Jung},
journal= {arXiv preprint arXiv:2310.14924},
year = {2023}
}
备注
to be published in IROS 2023 conference proceedings