DBA-Fusion：深度融合深度稠密视觉光束法平差与多传感器，用于大规模定位与建图
机器人学
2024-03-21 v1 计算机视觉与模式识别
摘要
视觉同时定位与建图（VSLAM）具有广泛的应用，最先进的方法利用深度神经网络来获得更好的鲁棒性和适用性。然而，在将这些基于学习的方法与多传感器信息融合方面缺乏研究，而这对于将相关应用推向大规模和复杂场景可能是不可或缺的。在本文中，我们通过因子图将可训练的深度稠密光束法平差（DBA）与多传感器信息紧密集成。在该框架中，循环光流和 DBA 在序列图像之间执行。从 DBA 导出的 Hessian 信息被馈送到一个通用的因子图中用于多传感器融合，该因子图采用滑动窗口并支持概率边缘化。我们首先开发了一个视觉-惯性集成的流程，它提供了米制尺度定位与建图的最小能力。此外，还集成了其他传感器（例如，全球导航卫星系统）以实现无漂移和地理参考功能。我们在公开数据集和自采数据集上进行了大量测试。结果验证了我们方法优越的定位性能，能够在大规模环境中实现实时稠密建图。代码已开源（https://github.com/GREAT-WHU/DBA-Fusion）。
引用
@article{arxiv.2403.13714,
title = {DBA-Fusion: Tightly Integrating Deep Dense Visual Bundle Adjustment with Multiple Sensors for Large-Scale Localization and Mapping},
author = {Yuxuan Zhou and Xingxing Li and Shengyu Li and Xuanbin Wang and Shaoquan Feng and Yuxuan Tan},
journal= {arXiv preprint arXiv:2403.13714},
year = {2024}
}