SE-SLAM:基于半稠密结构化边缘的单目 SLAM
机器人学
2019-09-10 v1 计算机视觉与模式识别
摘要
基于视觉的同步定位与建图 (VSLAM) 是机器人学中一个成熟的问题。大多数 VSLAM 系统是基于特征的方法,它们鲁棒且精度高,但生成稀疏地图,对后续导航任务应用有限。最近,直接对图像强度进行操作的直接法被引入,能以更高计算力为代价重建更丰富的地图。本工作中,提出一种基于边缘的单目 SLAM 系统 (SE-SLAM) 作为折中:边缘具备与点特征相当的良好定位能力,同时支持结构化半稠密地图重建。然而,边缘不像点特征那样具有描述子与一一对应关系,因而不易随时间关联、跟踪与优化。为解决这些问题,本文提出一种在帧间一致匹配边缘的方法;一种可行的优化问题求解策略,因为使用边缘时问题规模迅速增长;以及非线性优化技术的应用。所得系统在精度上可与最先进的基于特征及稠密/半稠密系统媲美,同时天然构建环境的结构化半稠密重建,为后续导航算法提供相关结构数据。为达到该精度,需要最先进的非线性优化,在每帧连续输入 10000 个边缘点下优化完整半稠密输出。尽管处理需求繁重,得益于定制求解器与关键阶段并行化,系统实现近实时运行。为鼓励基于边缘的 SLAM 系统进一步发展,SE-SLAM 源代码将以开源形式发布。
引用
@article{arxiv.1909.03917,
title = {SE-SLAM: Semi-Dense Structured Edge-Based Monocular SLAM},
author = {Juan Jose Tarrio and Claus Smitt and Sol Pedre},
journal= {arXiv preprint arXiv:1909.03917},
year = {2019}
}
备注
13 pages