作为vSLAM后处理步骤的稀疏三维点云地图上采样与去噪：实验评估
计算机视觉与模式识别
2019-07-30 v1
摘要
基于单目视觉的同步定位与建图（vSLAM）是移动机器人与计算机视觉中最具挑战性的问题之一。本工作中我们研究应用于由基于特征的vSLAM算法获得的稀疏三维点云地图的后处理技术。地图后处理分为两个主要步骤：1）噪声与离群点去除；2）上采样。我们在真实室内与室外环境数据集上评估了已知的离群点去除与上采样算法的不同组合，并确定了最有前景的组合。我们进一步将其用于把执行室内飞行的真实无人机所获得的的点云地图转换为可能适用于路径规划的三维体素栅格（octo-map）。
引用
@article{arxiv.1806.09346,
title = {Sparse 3D Point-cloud Map Upsampling and Noise Removal as a vSLAM Post-processing Step: Experimental Evaluation},
author = {Andrey Bokovoy and Konstantin Yakovlev},
journal= {arXiv preprint arXiv:1806.09346},
year = {2019}
}
备注
10 pages, 4 figures, camera-ready version of paper for "The 3rd International Conference on Interactive Collaborative Robotics (ICR 2018)"