Kimera2：现实世界中鲁棒且精确的度量-语义SLAM
机器人学
2024-01-15 v1
摘要
我们提出了对Kimera（一个开源度量-语义视觉惯性SLAM库）的改进。具体来说，我们增强了Kimera-VIO（驱动Kimera的视觉惯性里程计流水线），以支持更好的特征跟踪、更高效的关键帧选择以及多种输入模态（例如单目、立体和RGB-D图像，以及轮式里程计）。此外，Kimera的位姿图优化后端Kimera-RPGO和Kimera-PGMO已更新，以支持现代离群值剔除方法——特别是渐进非凸性——以提高对虚假回环检测的鲁棒性。这些新功能在多种模拟和真实机器人平台上进行了广泛评估，包括无人机、四足机器人、轮式机器人和模拟自动驾驶汽车。我们与几种最先进的视觉惯性SLAM流水线进行了比较，并讨论了新版Kimera的优缺点。新添加的功能已在https://github.com/MIT-SPARK/Kimera开源发布。
引用
@article{arxiv.2401.06323,
title = {Kimera2: Robust and Accurate Metric-Semantic SLAM in the Real World},
author = {Marcus Abate and Yun Chang and Nathan Hughes and Luca Carlone},
journal= {arXiv preprint arXiv:2401.06323},
year = {2024}
}
备注
Presented at ISER 2023