MLINE-VINS：融合曼哈顿流与线特征的鲁棒单目视觉惯性SLAM
机器人学
2025-03-04 v1
摘要
在本文中，我们介绍了MLINE-VINS，一种新颖的单目视觉惯性里程计（VIO）系统，它利用了线特征和曼哈顿世界假设。具体来说，对于线匹配过程，我们提出了一种新颖的几何线光流算法，该算法能够高效地跟踪长度变化的线特征，并且不需要在每一帧中进行检测和描述子计算。为了解决线特征曼哈顿估计的不稳定性问题，我们提出了一种基于检测的跟踪模块，该模块能够在连续图像中一致地跟踪和优化曼哈顿框架。通过将曼哈顿世界与VIO世界坐标系对齐，跟踪可以使用来自后端的最近姿态重新启动，简化了系统内的坐标变换。此外，我们实现了一种验证曼哈顿框架的机制和一种新颖的全局结构约束后端优化。在包括基准数据集和自采集数据集在内的各种数据集上进行的大量实验结果表明，所提出的方法在精度和长距离鲁棒性方面优于现有方法。我们方法的源代码可在以下网址获取：https://github.com/LiHaoy-ux/MLINE-VINS。
引用
@article{arxiv.2503.01571,
title = {MLINE-VINS: Robust Monocular Visual-Inertial SLAM With Flow Manhattan and Line Features},
author = {Chao Ye and Haoyuan Li and Weiyang Lin and Xianqiang Yang},
journal= {arXiv preprint arXiv:2503.01571},
year = {2025}
}