SPLODE：基于 RGB-D 相机运动的半概率点线视觉里程计与深度估计
机器人学
2017-08-10 v1 计算机视觉与模式识别
摘要
主动深度相机存在若干局限性，会导致深度图不完整且带有噪声，进而可能影响 RGB-D 视觉里程计的性能。为了解决这一问题，本文提出了一种基于点特征和线特征的视觉里程计方法，该方法同时利用了来自深度传感器的测量值和由相机运动估计的深度值。概率深度估计框架为这两类特征连续生成深度估计值，以弥补深度测量的缺失以及特征深度关联的不准确。该框架显式地对从点和线观测中三角化深度的不确定性进行建模，以验证并获取精确的估计值。此外，通过深度图配准模块传播深度测量值，并使用一种独立考虑 3D 到 2D 和 2D 到 3D 重投影误差的帧间运动估计方法，从而充分利用深度测量值。在深度传感器局限性极为严重的大型室内外场景捕获的 RGB-D 序列上的结果表明，通过我们的方法结合深度测量值与估计值，能够克服深度测量的缺失与不准确问题。
引用
@article{arxiv.1708.02837,
title = {SPLODE: Semi-Probabilistic Point and Line Odometry with Depth Estimation from RGB-D Camera Motion},
author = {Pedro F. Proença and Yang Gao},
journal= {arXiv preprint arXiv:1708.02837},
year = {2017}
}
备注
IROS 2017