人为回环SLAM-Human-in-the-Loop SLAM

论文地址：https://www.aaai.org/ocs/index.php/AAAI/AAAI18/paper/view/17422/15847

工程地址：https://github.com/umass-amrl/hitl-slam

摘要

       建立大尺度，全局一致图是一个具有挑战的问题，做较多困难在环境使用有限的方式，稀疏特征，或者当使用数据收集统计通过新手用户。对于这样的场景，先进的图算法制造全局一致图，我们提出了一个系统的方法来合并稀疏人为矫正，我们命名人类回环同步定位和地图（HitL-SLAM）。给定一个初始因素图对姿态图SLAM，HitL-SLAM接受大约，潜在的错误，以及等级定义的人类输入，推论目的相关通过期望最大化（EM），反向传播提取正确的姿态图，最终加入优化的因素图包括人为的输入作为人为矫正因素，到全局一致大尺度图。我们因此分配一个EM累加对于推断潜在的等级定义人为矫正地图，人为矫正因素延伸到因素图对于姿态图SLAM，导致一个原则方法来加入优化姿态图，对同步多种形式计算人为矫正。我们展示了实验结果有效的对于HitL-SLAM在形成全局精度和一致的地图即使在给定非常坏的初始化的情况下。

HitL SLAM展示

图A为初始图，含有全局一致误差；图B经过HitL-SLAM的结果对比图a中人工矫正。

使用点云显示不同人类限制后的效果图

第i帧人为数据的信息处理流

结果图

左图为初始情况，右图为优化后的结果

数值表示人工回环SLAM效果

等级定义效果

更多《计算机视觉与图形学》知识，可关注下方公众号：