ucoslam 论文阅读笔记

ucoslam 论文阅读笔记

写在前面ucoslam的核心代码没有开源,想使用源码的同学注意不要踩坑了!!!

最近计划阅读ucoslam的论文 UcoSLAM: Simultaneous Localization and Mapping by Fusion of KeyPoints and Squared Planar Markers 顺便练习markdown的使用,先占个坑,可能会断断续续,而且不会写的太细,另外希望不要鸽.

1.Introduction

这一部分主要介绍了特征点SLAM和markerslam的缺点,比如特征点slam会需要环境存在一定的质感(texture),单目初始化不能是纯旋转,环境会随时间变化等;markslam需要在环境中大量的布置mark才能较好的建图等。作者将两种方式结合到一起，可以相互弥补不足而且效果更好，皆大欢喜。

文中给了效果图，如下：

2. Related works

略

3. System Overview

系统概述

3.1. System map and notation employed

本部分主要介绍系统中主要元素定义:

在$t$时刻所获取的frame表示为:
f = { t , T , δ } {\rm f}=\{t,T,\delta\} f={t,T,δ}

其中$T\in SE(3)$是frame的其观测相对frame的位姿,表示将points从世界坐标系(grs)转换到camera坐标系(crs)下的变换.$\delta$表示相机的内参,包含焦距,中心和畸变系数.相机内参在应用到当前系统前应当被估计.

我们使用符号 F = { f } {\mathcal F}={\rm \{f\}} F={f}表示frame的集合,对于每一个frame $\mathrm{f}\in \mathcal{F}$首先会使用比例因子$\eta \in (1,\infty )$将其降采样到图像金字塔.然后提取关键点keypoint和特征feature.

我们定义一个keypoint $\mathrm{g}$为:

g = { l , u , d } g = \{l,{\bf u},{\bf d}\} g={l,u,d}

其中$l$为该关键点所在的金字塔层数,对应比例因子 ${\eta }^l$, $\mathbf{u}\in {\mathbf{R}}^2$ 表示该关键点在上采样的金字塔第一层($l=0$) 的像素坐标,另外每一个keypoint含有一个特征描述子,使用向量表示如下:

$$\mathbf{d}=(d_1,\dots ,d_n)|d_i\in [0,1]$$

uco_slam的系统主要维护由5个集合组成的环境地图:

W = { K , P , M , G , D } \mathcal{W} = \{\mathcal{K,P,M,G,D}\} W={K,P,M,G,D}

分别为关键帧集合,地图点集合,地标集合,连接图,关键帧识别库.
使用 K = { k } ⊂ F {\mathcal K} = \{k\}\subset{\mathcal F} K={k}⊂F表示关键帧集合.

使用 P = { p } {\mathcal P}=\{{\bf p}\} P={p}表示地图点的集合

p = { x , v , d ^ } {\bf p = \{x,v,\hat{d}\}} p={x,v,d^}

d ^ = { arg ⁡ min ⁡ g d i ∑ j ∈ { 1 ⋯ n } d i s t ( g d j , g d i ) } (1) {\bf \hat{d}} = \left\{\arg \min_{g_d^i} \sum_{j \in \{1 \cdots n\}} dist(g_d^j,g_d^i) \right\} \tag1 d^=⎩⎨⎧​arggdi​min​j∈{1⋯n}∑​dist(gdj​,gdi​)⎭⎬⎫​(1)

$$\mathbf{v}=\frac{{\sum }_i{\mathrm{k}}_{{\mathrm{T}}_3^{-1}}^{\mathrm{i}}}{||{\sum }_i{k}_{T_3^{-1}}^i|{|}_2^2}\text{\hspace{1em}(2)}$$