RGB-D 里程计与 SLAM
计算机视觉与模式识别
2020-01-22 v1 机器人学
摘要
现代 RGB-D 传感器的出现对许多应用领域产生了显著影响，包括机器人学、增强现实（AR）与三维扫描。它们是传统测距传感器（如 LiDAR）的低成本、低功耗、小体积替代方案。此外，与 RGB 相机不同，RGB-D 传感器提供额外的深度信息，免除了逐帧三角化以进行三维场景重建的需要。这些优点使它们在移动机器人学与 AR 中非常流行，其中估计自身运动与三维场景结构极具价值。此类空间理解可使机器人自主无碰撞导航，并允许用户插入与图像流一致的虚拟实体。在本章中，我们回顾利用 RGB-D 流输入的里程计与同步定位与建图（以其首字母缩写 SLAM 著称）的常用表述。这两个主题紧密相关，因为前者旨在相对于场景局部地图跟踪增量相机运动，后者则联合估计具一致性的相机轨迹与全局地图。在两种情况下，标准方法均使用非线性优化技术最小化代价函数。本章由三主要部分组成：第一部分中，我们介绍里程计与 SLAM 的基本概念并说明采用 RGB-D 传感器的动机，也给出与多数里程计及 SLAM 算法相关的数学预备知识。第二部分中，我们详述 SLAM 系统的三个主要组件：相机位姿跟踪、场景建图与回环检测。对各组件，我们描述文献中提出的不同方法。最后部分中，我们对前沿研究课题作简要讨论并给出对应参考文献。
引用
@article{arxiv.2001.06875,
title = {RGB-D Odometry and SLAM},
author = {Javier Civera and Seong Hun Lee},
journal= {arXiv preprint arXiv:2001.06875},
year = {2020}
}
备注
This is the pre-submission version of the manuscript that was later edited and published as a chapter in RGB-D Image Analysis and Processing