MAOMaps：用于vSLAM与地图合并质量评估的逼真基准
计算机视觉与模式识别
2021-06-01 v1 机器人学
摘要
在将控制系统部署到真实机器人之前，在仿真中运行大量实验是必要步骤。本文介绍一种新颖的基准，旨在定量评估基于视觉的同步定位与地图构建(vSLAM)及地图合并算法的质量。该基准由数据集与一套自动评估工具组成。数据集具有照片级真实感，并提供定位与地图真值数据。这使得不仅可评估SLAM流程中的定位部分，也可评估建图部分。为比较vSLAM构建的地图与真值地图，我们提出一种考虑SLAM上下文（不同于最近邻等其他方法）的寻找对应关系的新方法。该基准兼容ROS并向社区开源。数据与代码见：\texttt{github.com/CnnDepth/MAOMaps}。
引用
@article{arxiv.2105.14994,
title = {MAOMaps: A Photo-Realistic Benchmark For vSLAM and Map Merging Quality Assessment},
author = {Andrey Bokovoy and Kirill Muravyev and Konstantin Yakovlev},
journal= {arXiv preprint arXiv:2105.14994},
year = {2021}
}
备注
submitted to ECMR-2021