LF-VISLAM：面向具有负成像平面的宽视场相机移动智能体的 SLAM 框架
摘要
同步定位与建图（SLAM）已成为自动驾驶与机器人领域的关键方面。视觉 SLAM 的一个关键组件是相机的视场（FoV），因为更大 FoV 可感知更广范围的周边元素与特征。然而，当相机 FoV 到达负半平面时，传统使用 [u,v,1]^T 表示图像特征点的方法失效。尽管全景 FoV 有利于回环检测，但在大姿态角差异下其优势不易实现，现有方法难以匹配回环帧。由于宽视场全景数据的回环检测伴随大量外点，传统外点剔除方法不直接适用。为解决这些问题，我们提出 LF-VISLAM，一种面向具有极大 FoV 且带回环的相机的视觉惯性 SLAM 框架。引入单位长三维向量以有效表示即便在负半平面上的特征点。利用 SLAM 系统的姿态信息引导回环的特征点检测。此外，一种基于单位长表示的新外点剔除方法被集成至回环模块。我们使用全景环带透镜（PAL）系统（完整 FoV 为 360{\deg}x(40{\deg}~120{\deg})）与惯性测量单元（IMU）采集 PALVIO 数据集用于视觉惯性里程计（VIO），以弥补全景 SLAM 数据集的缺乏。在建立的 PALVIO 与公开数据集上的实验表明，所提 LF-VISLAM 优于最先进 SLAM 方法。我们的代码将于 https://github.com/flysoaryun/LF-VISLAM 开源。
引用
@article{arxiv.2209.05167,
title = {LF-VISLAM: A SLAM Framework for Large Field-of-View Cameras with Negative Imaging Plane on Mobile Agents},
author = {Ze Wang and Kailun Yang and Hao Shi and Peng Li and Fei Gao and Jian Bai and Kaiwei Wang},
journal= {arXiv preprint arXiv:2209.05167},
year = {2023}
}
备注
Accepted to IEEE Transactions on Automation Science and Engineering (T-ASE). Extended version of IROS2022 paper arXiv:2202.12613. Code and dataset will be open-sourced at https://github.com/flysoaryun/LF-SLAM