EAO-SLAM：基于集成数据关联的单目半稠密物体 SLAM
机器人学
2021-02-23 v2 计算机视觉与模式识别
摘要
物体级数据关联与位姿估计在语义 SLAM 中起着基础作用，由于缺乏鲁棒且准确的算法，它们仍未解决。在这项工作中，我们提出一种集成数据关联策略，用于整合参数和非参数统计检验。通过利用不同统计量的性质，我们的方法能有效聚合不同测量的信息，从而显著提升数据关联的鲁棒性和准确性。然后我们提出一个准确的物体位姿估计框架，其中开发了离群鲁棒的质心和尺度估计算法以及物体位姿初始化算法，以帮助提升位姿估计结果的最优性。此外，我们构建了一个 SLAM 系统，能用单目相机生成半稠密或轻量级的面向物体地图。在三个公开可用数据集和真实场景上进行了大量实验。结果表明，我们的方法在准确性和鲁棒性上显著优于最先进技术。源代码见：https://github.com/yanmin-wu/EAO-SLAM。
引用
@article{arxiv.2004.12730,
title = {EAO-SLAM: Monocular Semi-Dense Object SLAM Based on Ensemble Data Association},
author = {Yanmin Wu and Yunzhou Zhang and Delong Zhu and Yonghui Feng and Sonya Coleman and Dermot Kerr},
journal= {arXiv preprint arXiv:2004.12730},
year = {2021}
}
备注
Accepted to IROS 2020. Project Page: https://yanmin-wu.github.io/project/eaoslam/; Code: https://github.com/yanmin-wu/EAO-SLAM