31、无纹理环境下的视觉SLAM与自动驾驶多任务感知

无纹理环境下的视觉SLAM与自动驾驶多任务感知

无纹理环境下的视觉SLAM

在现实世界环境中，视觉同步定位与地图构建（VSLAM）技术面临着诸多挑战。点 - 对象联合共视性地图在其中发挥着关键作用，它能够在缺乏足够公共点特征的帧之间建立连接，有效降低累积误差。

以图8.17为例，(D)部分展示了相机的实际轨迹，红色圆圈标记了相机往返时到达的同一位置；(B)和(C)部分分别是所提出方法和ORB_SLAM2恢复的相机轨迹。明显可以看出，ORB_SLAM2的结果包含的累积误差比所提出方法更大。图8.17的(B)部分中的橙色线条表示观测到同一对象的关键帧之间的对象连接，而ORB_SLAM2的结果中则没有这种连接，如图8.17的(C)部分所示。图8.18展示了所提出方法在实际户外环境中的实验结果，表明在各种环境条件下，交通标志对象和点特征都能被有效提取，并用于构建联合共视性地图。

为了评估VSLAM系统，提出了一个完全合成的数据集“TCG”和评估框架。使用3DS - Max中的模型和一些辅助软件工具来设置和渲染大量的序列数据库。通过充分利用V - Ray软件中的渲染元素，可以生成大量关于VSLAM系统评级和调试的信息。与其他先进的VSLAM数据集相比，该数据集能提供更多种类的信息，具体对比如下：
| 数据集 | 信息种类 |
| ---- | ---- |
| “TCG” | 丰富多样，涵盖更多环境相关信息 |
| 其他先进VSLAM数据集 | 相对较少 |

还提出了基于环境信息的VSLAM性能评级新标准，将VSLAM评估框架从仅测试相机位置扩展到联合评估相机跟踪和地图构建。基于高精度零误差的地面真值，在该数据集上测试了四种流行的