關鍵詞:無
一、摘要:
問題: 現有SLAM系統魯棒性低
方法: 建立新SLAM系統,採用優勝劣汰策略篩選關鍵幀
結果: 解決了長時間運行問題,性能提升
二、結論
文章缺陷: 無
課題構思(如何一步步得到結論):
① 提出新的產生和刪除關鍵幀策略,使地圖在場景變化時才增長。分析歷史數據實現長期建圖
② 合併前人迴環檢測、閉環過程和可視性圖、g2o框架優化、ORB功能方案
③ 快速提取和匹配,適用於極端環境(純旋轉+快速移動)探尋軌跡,解決了PTAM的通用性問題
未解問題:
① 遠處的點觀測不到,但可用來提升精度
② 更新稀疏圖爲更稠密的圖以便重建
三、粗看圖表
數據來源: TUM RGB-D Benchmark, NewCollege Dataset, odometry benchmark of the KITTI dataset
重要指標: 時間,位姿圖邊數,均方根誤差
四、引言
研究原因: 現有SLAM實時計算消耗大;PTAM有侷限性:無迴環檢測,處理咬合不當、點重定位的不變性差、需要人爲干預地圖引導
課題階段: 無
主要貢獻:
①所有任務統一爲ORB特徵。實時計算,光照和運動下不變性好
② 大場景下實時操作,追蹤和建圖專注局部
③ 使用基本圖實現實時閉環檢測
④ 實時相機重定位。比最好的直接法更優
⑤ 自動初始化,具有魯棒性。可處理線性和非線性場景
⑥ 優勝劣汰策略,提升魯棒性,實現長時間運行
理論假設: 無
五、實驗過程
模型步驟,每個步驟的結論:
-
相關工作:
a) 位置識別:詞袋方法效率高,但沒有旋轉和尺寸的不變性。本文使用covisibility信息
b) 地圖初始化:現有重建方法在低視差下約束差,並會有二義性解。本文提出啓發式初始化算法,考慮了矩陣退化的情況,延遲初始化。
c) 單目SLAM:濾波法浪費計算資源,有累積漂移;關鍵幀法更精確;PTAM不能位置識別,不變性差(前人其他成功也不完善)。本文使用7-DoF位姿圖優化並應用到基本圖中,使用基於相合性的局部地圖並從相合性圖構建位姿圖,在相同的追蹤和映射要素中執行位置識別,地圖重用,關鍵幀的選取使用優勝劣汰策略
-
系統總覽:
a) 特徵選擇:建圖追蹤和重定位閉環檢測使用同一特徵,避免插入特徵識別深度。特徵點提取速度<33ms/img,排除SIFT, SURF, A-KAZE;需要不變性,排除BRIEF, LDB。選擇ORB:ORB面向多尺度,計算快,不變性好
b) 三線程(追蹤+局部建圖+閉環)
c) 地圖點與關鍵幀的選取
d) 適度圖和基本圖:使用基本圖,保留所有節點和少量的邊(圖的最小生成樹)
e) 詞袋位置識別:將關鍵幀分組;僅對屬於相同節點的特徵暴力匹配
-
自動地圖初始化(關鍵技術):並行計算平面場景的單應性和非平面場景的基本矩陣,根據視差和平面性選擇模型,並檢索相關運動假設從而消除歧義,最後用full BA進行初始化重建。
-
追蹤:
a) 提取ORB特徵:提取FAST角點計算方向和ORB描述子
b) 依據先前幀的初始位姿估計:使用勻速運動模型預測位姿並搜索地圖點
c) 全局重定位的初始位姿估計:使用RANSAC迭代和PnP算法估算相機位姿
d) 追蹤局部地圖:設定關鍵幀相關條件,搜索地圖點
e) 新幀選擇:設置快速插入關鍵幀的條件
-
本地建圖
a) 插入關鍵幀
b) 剔除最近地圖點:檢測地圖點滿足相關條件,從少於3個幀觀察到它時將其刪除
c) 創建新地圖點:從相關幀中對ORB進行三角剖析
d) 局部BA:用局部BA優化最近的關鍵幀
e) 局部關鍵幀剔除
-
迴環檢測
a) 迴環候選檢測:丟棄詞袋向量的相似度低的關鍵幀,連續檢測3個迴環
b) 計算相似度轉換:作爲迴環的幾何驗證。計算與當前關鍵幀中地圖點關聯的ORB和候選關鍵幀之間的對應度,對每個候選迴環使用RANSAC迭代。
c) 迴環融合:用相似度轉換矯正當前關鍵幀位姿,位姿級聯轉換,循環關鍵幀及其鄰點看到的所有地圖點投影到關鍵幀中,並且在投影周圍搜索其鄰接點和匹配項
d) 基本圖的優化:用相似度轉換糾正尺度漂移
-
實驗部分
a) NewCollege數據集測試系統性能
b) TUM RGB-D Benchmark測試定位準確性
c) TUM RGB-D Benchmark測試重定位
d) TUM RGB-D Benchmark的長時間運行
e) KITTI數據集測試大型閉環
六、文章總結:
問題: 現有SLAM系統魯棒性低,不能長時間運行,PTAM的侷限性(無迴環檢測等)
方法: 提出了新的SLAM系統:所有任務統一爲ORB特徵;使用基本圖;自動初始化
論證過程:
① 使用covisibility信息解決詞袋方法
② 提出啓發式算法解決地圖初始化中低視差下約束差和二義性問題
③ 使用7-DoF位姿圖優化並應用於基本圖中進行位置識別
④ 所有任務統一 ORB 特徵,進行單目SLAM的位置識別,增強不變性
⑤ 使用追蹤+局部建圖+閉環檢測三線程
⑥ 使用相似度轉換矯正位姿,進行迴環檢測