PLE-SLAM: 基于点线特征与高效IMU初始化的视觉惯性SLAM
机器人学
2024-01-08 v2
摘要
视觉惯性SLAM在飞行器、工业机器人和自动驾驶等多个领域至关重要。相机与惯性测量单元（IMU）的融合弥补了单一传感器的不足，显著提高了在挑战性环境中定位的精度和鲁棒性。本文提出了PLE-SLAM，一种基于点线特征和高效IMU初始化的精确实时视觉惯性SLAM算法。首先，我们使用并行计算方法提取特征并计算描述子以确保实时性。相邻的短线段合并为长线段，孤立的短线段被直接删除。其次，将旋转-平移解耦的初始化方法扩展到同时使用点和线。通过紧耦合IMU测量和图像观测来优化陀螺仪偏置。加速度计偏置和重力方向通过解析方法求解以提高效率。为了提高系统处理复杂环境的智能性，系统集成了利用语义信息和几何约束消除动态特征的方案，以及使用CNN和GNN进行回环检测和闭环帧位姿估计的解决方案。所有网络都经过加速以确保实时性。在公共数据集上的实验结果表明，PLE-SLAM是最先进的视觉惯性SLAM系统之一。
引用
@article{arxiv.2401.01081,
title = {PLE-SLAM: A Visual-Inertial SLAM Based on Point-Line Features and Efficient IMU Initialization},
author = {Jiaming He and Mingrui Li and Yangyang Wang and Hongyu Wang},
journal= {arXiv preprint arXiv:2401.01081},
year = {2024}
}