OA-SLAM：在视觉 SLAM 中利用物体进行相机重定位
计算机视觉与模式识别
2022-09-20 v1
摘要
在这项工作中，我们探索了在未知环境中同时定位与地图构建（SLAM）中物体的使用，并提出了一种物体辅助系统（OA-SLAM）。更确切地说，我们表明，与低层点相比，物体的主要优势在于其更高层的语义和判别能力。相反，点比用于表示物体的通用粗粒度模型（长方体或椭球）具有更好的空间定位精度。我们表明，结合点与物体对于解决相机位姿恢复问题极具价值。我们的主要贡献是：（1）我们利用高层物体地标改进了 SLAM 系统的重定位能力；（2）我们构建了一个自动系统，能够用 3D 椭球识别、跟踪和重建物体；（3）我们表明基于物体的定位可用于重新初始化或恢复相机跟踪。我们的全自动系统支持即时物体建图并增强位姿跟踪恢复，我们认为这可以显著惠及 AR 社区。我们的实验表明，相机可以从经典方法失效的视角实现重定位。我们证明，尽管可能发生跟踪丢失（对于未初始化的用户而言频繁发生），该定位允许 SLAM 系统继续工作。我们的代码和测试数据发布于 gitlab.inria.fr/tangram/oa-slam。
引用
@article{arxiv.2209.08338,
title = {OA-SLAM: Leveraging Objects for Camera Relocalization in Visual SLAM},
author = {Matthieu Zins and Gilles Simon and Marie-Odile Berger},
journal= {arXiv preprint arXiv:2209.08338},
year = {2022}
}
备注
ISMAR 2022