DVI-SLAM：一种双视觉惯性 SLAM 网络
计算机视觉与模式识别
2024-05-28 v2
摘要
近年来，基于深度学习的视觉同步定位与建图（SLAM）方法取得了显著进展。然而，如何在视觉 SLAM 中充分利用视觉信息并更好地与惯性测量单元（IMU）融合仍具有潜在的研究价值。本文提出了一种具有双视觉因子的新型深度 SLAM 网络。其基本思想是通过多因子数据关联模块，将光度因子与重投影因子同时集成到端到端可微分结构中。我们表明，所提出的网络能够动态学习并调整两种视觉因子的置信度图，并且可以进一步扩展以纳入 IMU 因子。大量实验验证，我们所提出的方法在包括 TartanAir、EuRoC 和 ETH3D-SLAM 在内的多个公开数据集上显著优于当前最先进（SOTA）的方法。具体而言，当动态融合三种因子时，在 EuRoC 数据集上单目与立体配置的绝对轨迹误差分别降低了 45.3% 和 36.2%。
引用
@article{arxiv.2309.13814,
title = {DVI-SLAM: A Dual Visual Inertial SLAM Network},
author = {Xiongfeng Peng and Zhihua Liu and Weiming Li and Ping Tan and SoonYong Cho and Qiang Wang},
journal= {arXiv preprint arXiv:2309.13814},
year = {2024}
}
备注
Accepted to ICRA2024