SVIn2：一种使用声呐、视觉、惯性与深度传感器的水下SLAM系统
机器人学
2020-12-22 v3
摘要
本文提出一种新颖的紧耦合基于关键帧的同步定位与建图（SLAM）系统，具备回环检测与重定位能力，面向水下领域。我们此前的工作SVIn将最先进的视觉-惯性状态估计包OKVIS扩展，在以非线性优化为基础的框架中容纳来自声呐的声学数据。本文通过以下主要贡献解决漂移与定位丢失——这是影响水下领域其他包的主要问题之一：一种利用深度测量精炼尺度的鲁棒初始化方法、一个增强图像质量的快速预处理步骤，以及一种使用词袋的实时回环检测与重定位方法。另一贡献是将来自压力传感器的深度测量引入紧耦合优化公式。在由定制水下传感器套件与自主水下航行器于能见度差的挑战性水下环境采集的数据集上的实验结果表明，在精度与鲁棒性方面达到了前所未有的性能。
引用
@article{arxiv.1810.03200,
title = {SVIn2: An Underwater SLAM System using Sonar, Visual, Inertial, and Depth Sensor},
author = {Sharmin Rahman and Alberto Quattrini Li and Ioannis Rekleitis},
journal= {arXiv preprint arXiv:1810.03200},
year = {2020}
}
备注
Accepted at the 2019 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). Finalist of the IROS2019 Best Application Paper Award