论文解析 - SLAM++: Simultaneous Localisation and Mapping at the Level of Objects

最新推荐文章于 2025-05-15 21:03:46 发布

原野寻踪

最新推荐文章于 2025-05-15 21:03:46 发布

阅读量4.1k

点赞数 2

CC 4.0 BY-SA版权

分类专栏：语义SLAM论文解析

本文链接：https://blog.youkuaiyun.com/Crazydogg/article/details/82669976

SLAM++是一种同时定位与建图（SLAM）方法，强调在物体级别进行操作，利用先验知识实现实时3D重建。通过深度图像，构建物体数据库并进行实时对象识别。该方法利用图优化技术，压缩地图存储，实现大规模回环、重定位，并能检测移动物体，适用于增强现实应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

SLAM++: Simultaneous Localisation and Mapping at the Level of Objects

0. 论文概况

引用：331, CVPR2013

Renato F. Salas-Moreno , 来自英国帝国理工学院Andrew J. Davison实验室

带着问题看论文：

如果要我自己来实现这个方案，它既然是基于深度图像来做的，并且在第一帧中提取了地面，那么首先我需要检测到每一个单独的点块，去与数据库中的3D模型一一做ICP，这个过程中获得最后效果最好的种类，并且得到其姿态。

那么如何获得单独的点块？是真的把地面抠掉然后将分离的部分作为一块吗？单帧有可能得到三维物体姿态吗？

假设得到了，那么可以根据现有的相机姿态建立到地图中去，那么现有相机姿态是从何而来？即相对于上一帧的相机姿态变换如何估计得到？既然并非稠密点云地图，那么就没办法用ICP对点云匹配。而且需要保证视野中至少有地图中的一个物体，那么地图为空的时候拿什么去算呢。

这两个问题解决了，就真正理解了这个过程，接下来仔细研究一下，以及背后的数学表达。

1. Introduction

该论文提出的SLAM特点为具备先验知识，先验知识可以重复性地呈现，使得实时3D重建和简单的关于物体位置的图优化地图成为可能。

随着新的测量到达，这个图将不断被优化，同时获得最新、稠密且准确的下一个相机测量的位置的估计。这些估计将被用于鲁棒的相机跟踪和为下一步物体识别做的主动区域搜索。

特点还包括：相比稠密点云地图，对地图存储量做了巨大压缩。而且容易产生大规模回环，重定位和特殊领域先验下使用的巨大潜力。

2. 手持传感器的实时SLAM

介绍了一些related-works

3.方法

图2. SLAM++架构介绍.

3.1 Creating an Object Database

首先将重复出现的物体通过交互式扫描，使用KinectFusion来建立3D模型。

3.2 SLAM Map Representation

世界呈现用的图模型，每一个节点存放的要么是物体j的姿态(包括相对固定世界参考系的旋转和平移)，或者是相机在时间i时的姿态。每一个物体节点给定了一个物体种类，每个物体在相机中的姿态，即测量作为一个约束因子存储于图中，连接相机姿态和物体姿态。其他因子则可以选择性地添加进图：包括相机之间的运动估计，以及特定种类物体必须在地面上等。