MSC-VO:利用曼哈顿与结构约束的视觉里程计
计算机视觉与模式识别
2021-11-08 v1 机器人学
摘要
视觉里程计算法在面对低纹理场景(例如人造环境)时往往会退化,这类场景中通常难以找到足够数量的点特征。替代性的几何视觉线索,如线特征,常可在这些场景中找到,因而变得特别有用。此外,这些场景通常呈现结构规律性,如平行或正交,并满足曼哈顿世界假设。基于这些前提,我们在本工作中提出 MSC-VO,一种基于 RGB-D 的视觉里程计方法,它结合点与线特征,并利用(若存在)那些结构规律性和场景的曼哈顿轴。在我们的方法中,这些结构约束最初用于精确估计提取线条的 3D 位置。这些约束随后还与估计的曼哈顿轴以及点和线的重投影误差相结合,通过局部地图优化来精化相机位姿。这种组合使我们的方法即使在没有上述约束时也能运行,从而允许该方法适用于更广泛的场景。此外,我们提出了一种主要依赖线特征的新颖多视图曼哈顿轴估计流程。MSC-VO 使用多个公开数据集进行评估,优于其他最先进的方案,甚至与一些 SLAM 方法相比也具竞争力。
引用
@article{arxiv.2111.03408,
title = {MSC-VO: Exploiting Manhattan and Structural Constraints for Visual Odometry},
author = {Joan P. Company-Corcoles and Emilio Garcia-Fidalgo and Alberto Ortiz},
journal= {arXiv preprint arXiv:2111.03408},
year = {2021}
}
备注
Submitted to RAL + ICRA 2022