LF-VIO：面向具有负半平面大视场相机的视觉-惯性里程计框架
计算机视觉与模式识别
2022-07-19 v3 机器人学
图像与视频处理
摘要
视觉-惯性里程计在自动驾驶与机器人领域引起了广泛关注。视场（FoV）的大小在视觉里程计（VO）与视觉-惯性里程计（VIO）中起着重要作用，因为大视场能够感知周围广泛的场景元素与特征。然而，当相机的视场达到负半平面时，人们无法再简单地使用 [u,v,1]^T 来表示图像特征点。为解决此问题，我们提出了 LF-VIO，一种面向极大视场相机的实时 VIO 框架。我们利用具有单位长度的三维向量来表示特征点，并设计了一系列算法来克服这一挑战。针对带有真实位置与位姿的全景视觉里程计数据集稀缺的问题，我们提出了 PALVIO 数据集，该数据集由全景环带透镜（PAL）系统与 IMU 传感器采集，其完整视场为 360{\deg}x(40{\deg}-120{\deg})。通过全面多样的 experiments，所提出的 LF-VIO 在已建立的 PALVIO 基准以及一个视场为 360{\deg}x(0{\deg}-93.5{\deg}) 的公开鱼眼相机数据集上均得到验证。LF-VIO 优于当前最先进的视觉-惯性里程计方法。我们的数据集与代码已在 https://github.com/flysoaryun/LF-VIO 公开。
引用
@article{arxiv.2202.12613,
title = {LF-VIO: A Visual-Inertial-Odometry Framework for Large Field-of-View Cameras with Negative Plane},
author = {Ze Wang and Kailun Yang and Hao Shi and Peng Li and Fei Gao and Kaiwei Wang},
journal= {arXiv preprint arXiv:2202.12613},
year = {2022}
}
备注
Accepted to IROS 2022. Dataset and code are publicly available at https://github.com/flysoaryun/LF-VIO