DeepRelativeFusion：基于单图像相对深度预测的稠密单目 SLAM
计算机视觉与模式识别
2021-07-13 v3 机器人学
摘要
本文提出一种名为 DeepRelativeFusion 的稠密单目 SLAM 系统，能够恢复全局一致的 3D 结构。为此，我们使用视觉 SLAM 算法可靠地恢复关键帧的相机位姿与半稠密深度图，随后利用相对深度预测将半稠密深度图稠密化并优化关键帧位姿图。为改进半稠密深度图，我们提出一种自适应滤波方案，这是一种保持结构的加权平均平滑滤波器，综合考虑邻域像素的强度与深度，在稠密化中带来显著的重建精度提升。为执行稠密化，我们在 DeepFusion 所提能量最小化框架上引入两项渐进改进：(1) 改进的损失函数，以及 (2) 使用单图像相对深度预测。稠密化后，我们用双视图一致的优化半稠密与稠密深度图更新关键帧以改进位姿图优化，提供反馈回路来精化关键帧位姿以实现精确场景重建。我们的系统在稠密重建精度上大幅超越当前最先进的稠密 SLAM 系统。
引用
@article{arxiv.2006.04047,
title = {DeepRelativeFusion: Dense Monocular SLAM using Single-Image Relative Depth Prediction},
author = {Shing Yan Loo and Syamsiah Mashohor and Sai Hong Tang and Hong Zhang},
journal= {arXiv preprint arXiv:2006.04047},
year = {2021}
}
备注
Accepted to be published in the Proceedings of the 2021 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2021)