面向大视角差异重定位的物体增强型 RGB-D SLAM
计算机视觉与模式识别
2021-08-06 v1 机器人学
摘要
我们提出了一种新颖的物体增强型 RGB-D SLAM 系统，能够构建一致的物体地图并基于地图中物体的质心进行重定位。该方法旨在克服基于外观、使用点特征或图像的重定位方法的视角依赖性。在地图构建过程中，我们使用预训练的神经网络从 RGB-D 数据中检测物体并估计其 6D 位姿。采用增量式概率模型随时间聚合估计以创建物体地图。随后在重定位时，我们使用同一网络提取“丢失”帧中感兴趣的物体。通过两两几何匹配建立地图物体与帧物体之间的对应关系，并在概率绝对定向之后将迭代最近点应用于稠密深度图与物体质心，从而实现重定位。在桌面环境中的实验结果表明，即便帧与构建地图所用帧视角差异很大，该系统仍具有极高的成功率，显著优于两种基于外观的方法。
引用
@article{arxiv.2108.02522,
title = {Object-Augmented RGB-D SLAM for Wide-Disparity Relocalisation},
author = {Yuhang Ming and Xingrui Yang and Andrew Calway},
journal= {arXiv preprint arXiv:2108.02522},
year = {2021}
}
备注
Accepted by 2021 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2021)