面向大规模嵌入变形图 SLAM 的高效两步优化方法
机器人学
2020-03-25 v2 计算机视觉与模式识别
摘要
基于嵌入变形节点的公式已广泛应用于可变形几何与图形学问题。尽管在基于立体（或 RGBD）传感器的 SLAM 应用中前景广阔，但当模型增大时，在变形节点参数估计中保持恒定速度仍具挑战性。实践中，处理时间随地图扩展而迅速增长。本文提出一种方法，用于解耦大规模稠密可变形 SLAM 中变形图的节点，并将估计时间保持为常量。我们观察到图中仅部分可变形节点与可见点相连。基于此事实，利用原始 Hessian 矩阵的稀疏性将参数估计拆分为两个独立步骤。借助这一新技术，我们以更低的计算代价实现更快的参数估计，将平摊计算复杂度从 O(n^2) 降至接近 O(1)。因此，随着地图持续增长，计算开销几乎不增加。基于我们的策略，大规模嵌入变形图应用中的计算瓶颈将大为缓解。通过面向大规模变形场景的实验验证了有效性。
引用
@article{arxiv.1906.08477,
title = {Efficient two step optimization for large embedded deformation graph based SLAM},
author = {Jingwei Song and Fang Bai and Liang Zhao and Shoudong Huang and Rong Xiong},
journal= {arXiv preprint arXiv:1906.08477},
year = {2020}
}
备注
This work is accepted by ICRA2020 (2020 International Conference on Robotics and Automation) 7 pages 8 figures