基于点云与图像联合定位的混合现实高效巡检方法
机器人学
2018-11-08 v1
摘要
本文介绍了一种使用混合现实头显进行结构巡检的方法，以减少人工在报告准确巡检信息（如三维坐标中的故障位置）方面的工作量。在每次巡检之前，需要对头显进行定位。虽然外部位姿估计和基于基准标记的定位于是需要设置、维护和手动校准；但基于无标记的自定位可利用机载深度传感器和相机实现。然而，由于微软 HoloLens 等便携式混合现实头显的深度传感器范围有限，基于简单点云配准（sPCR）的定位需要对环境进行大量建图。此外，基于相机图像的定位会面临与立体歧义相同的问题，因此依赖于视点。因此我们提出了一种用于混合现实头显的联合点云与图像定位（JPIL）新方法，该方法利用视觉线索和头显方向来配准小型、部分重叠的点云，并在环境建图中节省大量人工和时间。我们的经验结果相较于 sPCR 显示所需重叠表面积平均减少 10 倍，可能每次巡检平均节省 20 分钟。JPIL 不仅限于巡检任务，还可与日益部署于户外环境（如结构巡检应用）中的自主机器人系统等其他智能体结合，在直观的人机交互空间建图与场景理解中发挥关键作用。
引用
@article{arxiv.1811.02563,
title = {Joint Point Cloud and Image Based Localization For Efficient Inspection in Mixed Reality},
author = {Manash Pratim Das and Zhen Dong and Sebastian Scherer},
journal= {arXiv preprint arXiv:1811.02563},
year = {2018}
}