推动视觉 SLAM 中旋转平均的极限
计算机视觉与模式识别
2020-11-03 v1 机器人学
摘要
作为运动恢复结构(SfM)与同步定位与建图(SLAM)系统的关键组成部分，运动平均在过去数年被广泛研究并持续吸引激增的研究关注。尽管诸如束调整等经典方法在大多数最先进 SLAM 系统中被主要继承以估计和更新机器人导航中的轨迹，束调整在 SLAM 系统中的实际实现本质上受限于高计算复杂度、不可靠收敛以及对理想初始化的严格要求。本文中，我们打破这些限制并提出了一种用于视觉 SLAM 系统的新型优化主干，其中我们利用旋转平均来提升常规单目 SLAM 流程的准确性、效率与鲁棒性。在我们的方法中，我们首先解耦相机刚体变换中的旋转与平移参数，并将高维非凸非线性问题转化为低维中可处理的线性子问题，且表明这些子问题可在适当约束下独立求解。我们在位姿图优化中应用带 -范数的尺度参数以解决旋转平均对离群点的鲁棒性。我们进一步验证了所提方法的全局最优性，并重访与解决了初始化方案、纯旋转场景处理及离群点处理。我们证明了在公开基准上，相较最先进方法，我们的方法可实现高达 10 倍的加速且精度相当。
引用
@article{arxiv.2011.01163,
title = {Pushing the Envelope of Rotation Averaging for Visual SLAM},
author = {Xinyi Li and Lin Yuan and Longin Jan Latecki and Haibin Ling},
journal= {arXiv preprint arXiv:2011.01163},
year = {2020}
}