X-SLAM：基于CSFD的任务感知优化可扩展稠密SLAM
机器人学
2024-05-06 v1
摘要
我们提出了X-SLAM，一个实时可微稠密SLAM系统，它利用复步有限差分（CSFD）方法高效计算数值导数，从而绕过了对大规模计算图的需求。我们方法的关键在于将SLAM过程视为一个可微函数，从而能够在复数域内通过泰勒级数展开计算重要SLAM参数的导数。我们的系统不仅允许实时计算梯度，还允许计算高阶导数。这有助于使用高阶优化器以实现更好的精度和更快的收敛。基于X-SLAM，我们为两个重要任务实现了端到端优化框架：广阔室外场景中的相机重定位和复杂室内环境中的主动机器人扫描。在公开基准和复杂真实场景上的全面评估突显了通过我们的任务感知优化在相机重定位精度和机器人导航效率方面取得的改进。代码和数据可在https://gapszju.github.io/X-SLAM获取。
引用
@article{arxiv.2405.02187,
title = {X-SLAM: Scalable Dense SLAM for Task-aware Optimization using CSFD},
author = {Zhexi Peng and Yin Yang and Tianjia Shao and Chenfanfu Jiang and Kun Zhou},
journal= {arXiv preprint arXiv:2405.02187},
year = {2024}
}
备注
To be published in ACM SIGGRAPH 2024