单目视觉-惯性SLAM的重定位、全局优化与地图合并
计算机视觉与模式识别
2018-03-06 v1
摘要
由一台相机与一台低成本惯性测量单元(IMU)组成的单目视觉-惯性系统(VINS)是实现精确6自由度状态估计的流行方法。然而,此类局部精确的视觉-惯性里程计易发生漂移,且无法提供绝对位姿估计。利用历史信息重定位并校正漂移已成为热点。本文提出一种单目视觉-惯性SLAM系统,可在已构建地图中重定位相机并获取绝对位姿。随后执行4自由度位姿图优化以校正漂移并实现全局一致。该4自由度包含x、y、z与偏航角,即视觉-惯性系统中实际的漂移方向。此外,所提系统可通过高效保存与加载方式复用地图。当前地图与先前地图可由全局位姿图优化合并在一起。我们在公开数据集上验证了系统的精度,并与其他最先进算法比较。我们还在大规模室外环境中评估了系统的地图合并能力。地图复用的源代码已集成至我们的公开代码VINS-Mono中。
引用
@article{arxiv.1803.01549,
title = {Relocalization, Global Optimization and Map Merging for Monocular Visual-Inertial SLAM},
author = {Tong Qin and Perliang Li and Shaojie Shen},
journal= {arXiv preprint arXiv:1803.01549},
year = {2018}
}
备注
8 pages