视觉-惯性里程计/SLAM中基于惯性引导的特征对应不确定性估计
机器人学
2023-11-08 v1 计算机视觉与模式识别
摘要
视觉里程计与同步定位与建图（SLAM）作为计算机视觉与机器人领域最重要的任务之一，一直被研究以服务于自主导航与增强现实系统。在基于特征的里程计/SLAM中，运动视觉传感器从不同视角观测一组三维点，各图像中投影的二维点之间的对应关系通常通过特征跟踪与匹配建立。然而，由于对应点可能存在错误和噪声，可靠的不确定性估计可提升里程计/SLAM方法的精度。此外，惯性测量单元被用于辅助视觉传感器以实现视觉-惯性融合。本文提出一种利用惯性引导估计特征对应不确定性的方法，该引导对由运动模糊、光照变化和遮挡引起的图像退化具有鲁棒性。通过建模引导分布来采样可能的对应点，我们将该分布拟合到基于图像误差的能量函数上，从而获得比传统方法更鲁棒的不确定性。我们还将该方法集成到近期一种视觉-惯性里程计/SLAM算法中并在公开数据集上验证了其可行性。
引用
@article{arxiv.2311.03722,
title = {Inertial Guided Uncertainty Estimation of Feature Correspondence in Visual-Inertial Odometry/SLAM},
author = {Seongwook Yoon and Jaehyun Kim and Sanghoon Sull},
journal= {arXiv preprint arXiv:2311.03722},
year = {2023}
}
备注
12 pages