面向自我中心视频的鲁棒单目SLAM
计算机视觉与模式识别
2018-11-20 v2
摘要
尽管取得了巨大进展，真正通用的同步定位与地图构建（SLAM）流水线仍具挑战性。我们调查了最先进（SOTA）SLAM技术在自我中心视频上报道的失败。我们发现，自我中心视频中主导的三维旋转、连续帧间的低视差以及主要的前向运动是最常见的失败原因。在最先进SLAM的增量性质下，由于自我中心视频中不可靠的位姿与三维估计，且没有全局回环检测的机会，会产生漂移并导致此类技术最终的失败。受批量模式运动恢复结构（SFM）技术的启发，我们提议将SLAM作为滑动时间窗口上的SFM问题来求解。这使得问题约束良好。进一步，我们提议在使用光束法平差进行结构估计之前，利用二维旋转平均初始化相机位姿，随后进行平移平均。这有助于在三维估计不可靠时稳定相机位姿。我们展示了所提出的结合了这两个关键思想的SLAM技术在长而抖动的自我中心视频上成功运行，而其他SOTA技术据报道会失败。在公开可用的自我中心视频数据集上的定性与定量比较验证了我们的结果。
引用
@article{arxiv.1707.05564,
title = {Robust Monocular SLAM for Egocentric Videos},
author = {Suvam Patra and Kartikeya Gupta and Faran Ahmad and Chetan Arora and Subhashis Banerjee},
journal= {arXiv preprint arXiv:1707.05564},
year = {2018}
}
备注
Accepted for publication at IEEE WACV 2019