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，点 - 对象联合共视性地图能够在缺乏足够公共点特征的帧之间建立连接，这是帮助所提出的方法减少累积误差的关键功能。通过图8.17的实验结果可以看出，所提出的方法与ORB_SLAM2相比，累积误差明显更小。图8.17的（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）部分分别是所提出的方法和ORB_SLAM2恢复的相机轨迹。并且，（B）部分中的橙色线表示观察同一对象的关键帧之间的对象连接，而ORB_SLAM2的结果中不存在这样的连接。

在实际户外环境的实验（图8.18）中，所提出的VSLAM系统能够在各种环境条件下有效提取交通标志对象和点特征，并利用它们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，“TCG”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 |
| 其他先进VSLAM数据集 | 相对较少 |

还提出了基于环境信息对VSLAM性能进行评级的新标准，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建图。基于高精度的零误差地面真值，在该数据集上测试了四种流行的VSLAM系统，验证了框架和数据集的功能。

虽然所提出的技术和方法很有