基于关键帧的 RGB-D 相机鲁棒稠密 SLAM
计算机视觉与模式识别
2017-11-15 v1
摘要
本文提出 RKD-SLAM,一种面向 RGB-D 相机的基于关键帧的鲁棒稠密 SLAM 方法,可鲁棒处理快速运动与稠密回环,并能在中等规模场景中无时间限制运行。它既可用于扫描高质量三维模型,也能满足 VR 与 AR 应用需求。首先,我们结合颜色与深度信息在 CPU 上构建极快的基于关键帧的跟踪方法,可在挑战性情形(如相机快速运动与复杂回环)下鲁棒工作。为减小累积误差,我们还引入一种高效的增量式光束法平差(BA)算法,可大幅节省不必要计算,并在统一优化框架中执行局部与全局 BA。提出一种高效的基于关键帧的深度表示与融合方法,根据 BA 精化后的关键帧相机位姿在线校正并即时更新稠密三维表面。在多种挑战性数据集与 TUM RGB-D 基准上的实验结果与对比证明了所提系统的有效性。
引用
@article{arxiv.1711.05166,
title = {Robust Keyframe-based Dense SLAM with an RGB-D Camera},
author = {Haomin Liu and Chen Li and Guojun Chen and Guofeng Zhang and Michael Kaess and Hujun Bao},
journal= {arXiv preprint arXiv:1711.05166},
year = {2017}
}
备注
12 pages, 9 figures