稠密建图_论文简述 |EAO-SLAM:数据关联单目半稠密物体SLAM

1摘要

对象级数据关联和姿态估计在语义SLAM中起着重要作用,但由于缺乏鲁棒和精确的算法,这一问题一直没有得到解决.在这项工作中,我们提出了一个集成参数和非参数统计检验的集成数据关联策略.通过利用不同统计的性质,我们的方法可以有效地聚集不同测量的信息,从而显著提高数据关联的鲁棒性和准确性.然后我们提出了一个精确的目标姿态估计框架,并且开发了outliers-robust centroid、尺度估计算法和对象姿态初始化算法来帮助提高姿态估计结果的最优性,以帮助提高姿态估计结果的最优性.此外我们建立了一个SLAM系统,可以用单目相机生成半稠密或轻量级的面向对象.地图在三个公开可用的数据集和一个真实场景上进行了大量实验,结果表明,我们的方法在准确性和鲁棒性方面明显优于最先进的技术.

2介绍

传统的视觉SLAM系统在机器人定位和地图绘制任务中取得了显著的成功.除了传统的功能,语义SLAM还关注环境的详细表达,例如标记地图元素或感兴趣的对象,以支持不同的高级应用程序.物体SLAM是语义SLAM的典型应用,目标是通过利用帧内对象的语义信息来估计更鲁棒和更准确的相机姿态.在这项工作中,我们进一步扩展了对象SLAM的内容,使其能够构建轻量级和面向对象的地图,如图1所示,其中对象由立方体或二次曲面表示,它们的位置、方向和比例精确对齐.

物体SLAM的挑战主要在于两个方面:

• 现有的数据关联方法在处理包含多个对象实例的复杂环境时不够鲁棒或准确.没有切实可行的办法来系统地解决这个问题.
• 物体姿态估计不准确