R$^3$LIVE++：一种具有紧耦合激光雷达-惯性-视觉状态估计器的鲁棒实时辐射度重建系统
计算机视觉与模式识别
2022-09-09 v1 机器人学
摘要
同步定位与建图（SLAM）对于自主机器人（例如自动驾驶汽车、自主无人机）、三维地图系统以及AR/VR应用至关重要。本工作提出了一种新颖的激光雷达-惯性-视觉融合框架，称为RLIVE++，以实现鲁棒且准确的状态估计，同时实时重建辐射度地图。RLIVE++由一个激光雷达-惯性里程计（LIO）和一个视觉-惯性里程计（VIO）组成，两者均实时运行。LIO子系统利用激光雷达的测量来重建几何结构（即三维点的位置），而VIO子系统同时从输入图像中恢复该几何结构的辐射度信息。RLIVE++基于RLIVE开发，并通过考虑相机辐射度标定（例如非线性响应函数和镜头渐晕）以及相机曝光时间的在线估计，进一步提高了定位与建图的精度。我们在公开和私有数据集上进行了更广泛的实验，将我们所提出的系统与其他最先进的SLAM系统进行比较。定量与定性结果表明，我们所提出的系统在精度和鲁棒性上均显著优于其他系统。此外，为展示我们工作的可扩展性，我们基于重建的辐射度地图开发了若干应用，如高动态范围（HDR）成像、虚拟环境探索和三维电子游戏。最后，为分享我们的发现并为社区做出贡献，我们在Github上公开了代码、硬件设计和数据集：github.com/hku-mars/r3live
引用
@article{arxiv.2209.03666,
title = {R$^3$LIVE++: A Robust, Real-time, Radiance reconstruction package with a tightly-coupled LiDAR-Inertial-Visual state Estimator},
author = {Jiarong Lin and Fu Zhang},
journal= {arXiv preprint arXiv:2209.03666},
year = {2022}
}