基于图割优化多平面重建的视觉 SLAM
计算机视觉与模式识别
2022-06-23 v2 机器人学
摘要
本文提出了一种语义平面 SLAM 系统，该系统利用来自实例平面分割网络的线索来改进位姿估计与建图。尽管主流方法使用 RGB-D 传感器，但在此类系统中采用单目相机仍面临鲁棒数据关联和精确几何模型拟合等挑战。在现有的大多数工作中，诸如单应性估计和分段平面重建（PPR）等几何模型估计问题通常由标准的（贪婪）RANSAC 分别且顺序地求解。然而，在缺乏场景信息（即尺度）的情况下，设定内点-外点阈值十分困难。在这项工作中，我们重新审视这些问题，并主张上述两种几何模型（单应性/3D 平面）可以通过最小化一个利用空间相干性的能量函数来求解，即采用图割优化，这也解决了训练好的 CNN 输出不准确时的实际问题。此外，我们基于实验提出了一种自适应参数设置策略，并报告了在各种开源数据集上的综合评估。
引用
@article{arxiv.2108.04281,
title = {Visual SLAM with Graph-Cut Optimized Multi-Plane Reconstruction},
author = {Fangwen Shu and Yaxu Xie and Jason Rambach and Alain Pagani and Didier Stricker},
journal= {arXiv preprint arXiv:2108.04281},
year = {2022}
}
备注
accepted to ISMAR 2021 (Poster), v2 fixed some typos and minor errors