基于点线的 RGB-D SLAM 与束调整不确定性分析
机器人学
2021-02-16 v1
摘要
大多数最先进的间接视觉 SLAM 方法都基于稀疏点特征。然而，在低纹理场景中，很难找到足够可靠的点特征用于状态估计。线特征在城市和室内场景中十分丰富。近期研究表明，尽管计算效率有所下降，点与线特征的组合能够提供更好的精度。本文从 RGB-D 数据中提取点与线特征的观测值以创建地图特征，并将线上的点的点视为关键点。我们提出了一种扩展方法，以更多地利用线观测信息。并且我们证明，在局部束调整中，当在优化过程中考虑更多具有独立观测值的路标时，关键帧位姿的估计不确定性能够降低。在两个公开 RGB-D 数据集上的实验结果表明，所提方法在具有挑战性的环境中具有更好的鲁棒性和精度。
引用
@article{arxiv.2102.07110,
title = {Point-line-based RGB-D SLAM and Bundle Adjustment Uncertainty Analysis},
author = {Xin Ma and Xinwu Liang},
journal= {arXiv preprint arXiv:2102.07110},
year = {2021}
}