利用二次曲面与对称性属性的室内环境面向对象 SLAM

针对室内移动机器人的应用环境，本文提出一种基于 RGB-D 相机的稀疏物体级 SLAM 算法。使用二次曲面表示作为路标，紧凑地建模物体，包括其位置、朝向与占据空间。现有基于二次曲面的 SOTA SLAM 算法面临由移动机器人平面轨迹下有限视角引起的可观测性问题。为解决该问题，所提算法融合物体检测与点云数据来估计二次曲面参数。其基于单帧 RGB-D 数据完成二次曲面初始化，显著降低了对视角变化的要求。由于物体常被局部观测，所提算法利用室内人造物体的对称属性来估计被遮挡部分，从而获得更精确的二次曲面参数。实验表明，与 SOTA 算法相比，尤其在移动机器人前向轨迹上，所提算法显著提升了二次曲面重建的精度与收敛速度。最后，我们提供了可复现实验的开源实现。