基于扩展卡尔曼滤波与 1-点 RANSAC 的单目 SLAM 新特征检测机制
计算机视觉与模式识别
2018-06-01 v1
摘要
我们提出了一种不同的特征点检测方法，用于提高使用单目摄像机的 SLAM 精度。传统上，Harris 角点检测、SURF 或 FAST 角点检测器被用于寻找图像中的感兴趣特征点。我们将其替换为另一种方法，即利用 Perona 和 Malik 扩散方程构建图像的非线性尺度空间表示，并在多个尺度层计算尺度归一化 Hessian（KAZE 特征）。如此检测到的特征点用于通过扩展卡尔曼滤波估计单目相机的状态和位姿。通过使用加速 KAZE 特征以及更严格的特征拒绝流程并结合 1-点 RANSAC 进行离群值剔除，即使特征点数量较少，尤其在存在运动模糊时，短基线特征匹配也得到显著改善。我们给出了所提方法与 FAST 的对比研究，并展示了在绝对轨迹误差方面更高的定位精度。
引用
@article{arxiv.1805.12443,
title = {New Feature Detection Mechanism for Extended Kalman Filter Based Monocular SLAM with 1-Point RANSAC},
author = {Agniva Sengupta and Shafeeq Elanattil},
journal= {arXiv preprint arXiv:1805.12443},
year = {2018}
}
备注
Accepted in Third International Conference of Mining Intelligence and Knowledge Exploration (MIKE) 2015