具有地图形变功能的稠密 RGB-D-惯性 SLAM
机器人学
2022-07-25 v1 计算机视觉与模式识别
摘要
尽管稠密视觉 SLAM 方法能够估计环境的稠密重建，但其跟踪步骤缺乏鲁棒性，尤其在优化初始化较差时。稀疏视觉 SLAM 系统通过紧耦合融合惯性测量达到了较高的精度与鲁棒性。受此性能启发，我们提出了首个紧耦合的稠密 RGB-D-惯性 SLAM 系统。我们的系统在 GPU 上运行具有实时能力。它联合优化相机位姿、速度、IMU 偏置与重力方向，同时构建全局一致、完全稠密的基于 surfel 的环境三维重建。通过在合成与真实世界数据集上的一系列实验，我们表明我们的稠密视觉-惯性 SLAM 系统比相关的仅 RGB-D 的 SLAM 系统对快速运动以及低纹理和低几何变化时段更具鲁棒性。
引用
@article{arxiv.2207.10940,
title = {Dense RGB-D-Inertial SLAM with Map Deformations},
author = {Tristan Laidlow and Michael Bloesch and Wenbin Li and Stefan Leutenegger},
journal= {arXiv preprint arXiv:2207.10940},
year = {2022}
}
备注
Accepted at IROS 2017; supplementary video available at https://youtu.be/-gUdQ0cxDh0