论文题目:
Point-Plane SLAM Using Supposed Planes for Indoor Environments
摘要:
同时定位和映射 (SLAM) 是各种应用程序的基本问题。 对于室内环境,平面是受测量噪声影响较小的主要特征。 在本文中,我们提出了一种使用 RGB-D 相机的新型点平面 SLAM 系统。 首先,我们从 RGB 图像中提取特征点,从深度图像中提取平面。 然后可以使用它们的轮廓找到全局地图中的平面对应关系。 考虑到真实平面的有限尺寸,我们利用平面边缘的约束。 通常,平面边缘是两个垂直平面的相交线。 因此,我们不是基于线的约束,而是从边缘线计算并生成假定的垂直平面,从而产生更多的平面观察和约束以减少估计误差。 为了利用室内环境中的正交结构,我们还添加了平面的结构(平行或垂直)约束。 最后,我们使用所有这些特征构建了一个因子图。 成本函数被最小化以估计相机位姿和全局地图。 我们在公共 RGB-D 基准上测试了我们提出的系统,与其他最先进的 SLAM 系统相比,展示了其稳健且准确的姿态估计结果。
期刊:
Sensors.Sep 2019
论文链接:
Sensors | Free Full-Text | Point-Plane SLAM Using Supposed Planes for Indoor Environments
开源链接:
https://github.com/fishmarch/SP-SLAM