CubeSLAM：单目三维物体 SLAM

我们提出了一种在静态与动态环境中进行单图像三维长方体物体检测与多视角物体 SLAM 的方法，并证明这两个部分能够相互改进。首先，对于单图像物体检测，我们通过二维边界框与消失点采样生成高质量的长方体候选框，并基于与图像边缘的对齐程度进一步评分与筛选。其次，提出带有新物体测量的多视角光束法平差，以联合优化相机、物体与点的位姿。物体可提供长距离几何与尺度约束，从而改进相机位姿估计并减小单目漂移。我们不再将动态区域视为离群点，而是利用物体表示与运动模型约束来改进相机位姿估计。在 SUN RGBD 与 KITTI 上的三维检测实验显示出比现有方法更好的精度与鲁棒性。在公开 TUM、KITTI 里程计以及我们自建的数据集上，我们的 SLAM 方法实现了最先进的单目相机位姿估计，同时提升了三维物体检测精度。