Design Considerations of a Sensor Fusion System:
- Accuracy
- Frequency
- Latency
- Sensor synchronization & timestamp accuracy
- Delayed and out-of-order measurements
- Estimator initialization
- Sensor calibration
- Different measurement models with uncertainties
- Robustness to outliers
- Computational efficiency
VIO紧融合系统中,IMU的帧率:IMAGE的帧率要足够大。否则,IMU信息的引入非但不能施加有效的运动约束,反而引入噪声,导致状态跳变。
基本常识:尚无直接法的闭环检测。
Foster TRO‘16关于稠密、半稠密、稀疏对比的结论:
半稠密和稠密的差别不大,因为图像平坦部分的信息量有限。当发生运动模糊和图像散焦时,稠密方法的优势才体现出来。
注:信息熵或许可以作为多传感融合系统的设计指导工具。VO/SLAM算法有效工作的四个基本假定,换句话说,当实际应用VO/SLAM系统时,一旦其中某个假定被自然因素或人为因素破坏了,系统就会失效。而可靠的算法应当尽可能不依赖这四个假定,尽管这难以做到。
- 光照足够(环境和传感器都会影响该假设)
- 纹理足够丰富(环境因素)
- 场景大部分静态(环境因素)
- 两帧充分重叠(传感器运动因素)
VO/SLAM系统失效的其他因素:
- 遮挡
- 快速运动(致模糊,少重叠区域)
- 光照变化
参数化地图点的方式
逆深度参数化形式具有形式简单、类似高斯分布、对远处场景更为鲁棒等优点,但基于逆深度参数化的Bundle adjustment,每个残差项需要比通常的BA多计算一个雅可比矩阵。与当前大热的深度学习「黑箱模型」不同,SLAM 的各个环节基本都是白箱,能够解释得非常清楚。但 SLAM 算法并不是上述各种算法的简单叠加,而是一个系统工程,里面有很多 tradeoff。如果仅仅跑跑开源程序,没有什么核心竞争力。不论是做产品还是做学术研究,都应当熟悉各种技术,才能有所创造。
SLAM技术与3D数据产业
- 现在通过任何方法获取的三维数据,在其主流的应用趋势上,应当支持现阶段市场需求更强劲的Web应用,兼容HTML5和WebGL,无需安装其他插件和独立的应用程序,为大众移动终端所轻而易举地使用。
- SLAM技术提高大型公共场所的服务和管理效率的案例(慕尼黑机场室内三维导航地图)
案例来自占地约20公顷的德国第二大机场——慕尼黑机场。在这里,乘客利用机场的三维室内地图,规划内部的目的地线路;同样,机场工作人员也利用三维地图确定自己的位置,然后在一套内部OA系统中规划执行任务的线路,以节约时间、提高效率。由于室内环境经常变化,面向乘客和工作人员的室内三维地图也需要经常更新,对此机场方面专门购买了基于SLAM技术的推车设备,组建专门的团队,只要有地方发生了格局改变,队伍马上过去采集数据,然后迅速对系统中的数据做出更新。
关于鲁棒实时的SLAM
- 靠单个硬件性能的提升或者算法的优化,都不足以提高SLAM系统的性能,最好的方式是融合多传感信息。
对直接法的一种观点:
- 那么直接法到底能否大范围普及呢?笔者从工业界“比较俗比较短视比较势利”的角度来看,觉得直接法两边不靠非常尴尬: 1) 直接法没有证明在位置跟踪方面比前端用传统特征点的基于滤波 (MSCKF, SR-ISWF) 或者基于优化 (OKVIS, VINS-Mono) 要有优势,如果环境恶劣是由于光线变化,那么直接法的基于环境亮度不变的假设也不成立,如果环境恶劣是由于超级剧烈的高速运动,那么直接法也是得通过imu融合才能争取不跟丢; 2) 直接法的直接好处是地图相对稠密,但相对稠密是针对于基于特征点的稀疏而言,如果这个地图是为了做跟踪,那么基于特征点的方法已经证明可以做得很好了,如果是为了3D重建,那么大可以用一个深度相机,如果是被动双目的话,被动双目还原出稠密深度本身也在大幅度进步。所以笔者认为直接法够新颖,但新颖的不够强大,或者说不够强大到有落地价值。
关于场景的扩展效率
- ORBSLAM比PTAM新增三维点时的特征匹配效率更高,因此能更及时地扩展场景。而扩展场景及时与否决定了后续帧是否能稳定跟踪。
SLAM特性整理
最新推荐文章于 2024-05-22 09:36:17 发布