Hyperion——面向连续时间 SLAM 的快速、多功能符号化高斯置信传播框架
机器人学
2024-07-11 v1 计算机视觉与模式识别
符号计算
摘要
连续时间同步定位与建图（CTSLAM）已成为融合异步和多模态传感器套件的一种极具前景的方法。与离散估计姿态的离散时间 SLAM 不同，CTSLAM 采用连续时间运动参数化，便于集成各种传感器，如卷帘快门相机、事件相机和惯性测量单元（IMU）。然而，CTSLAM 方法计算成本依然高昂，且通常被表述为集中式非线性最小二乘（NLLS）优化。针对这些局限性，我们不仅提出了基于 SymForce [Martiros et al., RSS 2022] 的最快 B 样条和 Z 样条实现，相比 Sommer 等人 [CVPR 2020] 的方法实现了 2.43 倍至 110.31 倍的加速，还实现了一个新颖的连续时间高斯置信传播（GBP）框架，命名为 Hyperion，旨在实现跨智能体的去中心化概率推断。我们在运动跟踪和定位场景中展示了该方法的有效性，并辅以经验性消融研究。
引用
@article{arxiv.2407.07074,
title = {Hyperion -- A fast, versatile symbolic Gaussian Belief Propagation framework for Continuous-Time SLAM},
author = {David Hug and Ignacio Alzugaray and Margarita Chli},
journal= {arXiv preprint arXiv:2407.07074},
year = {2024}
}
备注
To be published in ECCV 2024