论文地址:https://www.aaai.org/ocs/index.php/AAAI/AAAI18/paper/view/17422/15847
工程地址:https://github.com/umass-amrl/hitl-slam
摘要
建立大尺度,全局一致图是一个具有挑战的问题,做较多困难在环境使用有限的方式,稀疏特征,或者当使用数据收集统计通过新手用户。对于这样的场景,先进的图算法制造全局一致图,我们提出了一个系统的方法来合并稀疏人为矫正,我们命名人类回环同步定位和地图(HitL-SLAM)。给定一个初始因素图对姿态图SLAM,HitL-SLAM接受大约,潜在的错误,以及等级定义的人类输入,推论目的相关通过期望最大化(EM),反向传播提取正确的姿态图,最终加入优化的因素图包括人为的输入作为人为矫正因素,到全局一致大尺度图。我们因此分配一个EM累加对于推断潜在的等级定义人为矫正地图,人为矫正因素延伸到因素图对于姿态图SLAM,导致一个原则方法来加入优化姿态图,对同步多种形式计算人为矫正。我们展示了实验结果有效的对于HitL-SLAM在形成全局精度和一致的地图即使在给定非常坏的初始化的情况下。
HitL SLAM展示
图A为初始图,含有全局一致误差;图B经过HitL-SLAM的结果对比图a中人工矫正。
使用点云显示不同人类限制后的效果图
第i帧人为数据的信息处理流
结果图
左图为初始情况,右图为优化后的结果
数值表示人工回环SLAM效果
等级定义效果
更多《计算机视觉与图形学》知识,可关注下方公众号: