【论文阅读】SOFT-SLAM

最新推荐文章于 2024-03-31 21:18:49 发布

原创

最新推荐文章于 2024-03-31 21:18:49 发布 · 544 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#论文阅读 #slam

本文提出了一种名为SOFT-SLAM的双目视觉SLAM系统，专为无人驾驶飞行器(UAVs)在GPS缺失环境下的自主导航设计。该方法使用SOFT特征进行里程计算，实现高精度定位和密集映射，并在EuRoC挑战赛中取得最佳本地化成绩。SOFT-SLAM具有独立的里程计和映射线程，支持大闭环和全局一致性，且在20Hz下保持恒定执行速率。通过避免使用BA，降低了计算需求，确保了确定性和效率。在多个公开数据集上，SOFT-SLAM的表现优于ORB-SLAM2和LSD-SLAM，展示了其在定位精度和运行时间方面的优势。

论文：《SOFT-SLAM:Computationally efficient stereo visual simultaneous localization and mapping for autonomous unmanned aerial vehicles》( JFR 2017 )

摘要

无人驾驶飞行器(UAVs)在GPS缺失环境下的自主导航是一个具有挑战性的问题，特别是对于小型无人机，其特点是载荷小，电池容量有限。针对上述问题，可能的解决方案是基于视觉的同步定位和映射(SLAM)，因为相机的尺寸，低重量，可用性和大的信息带宽规避了所有UAVs的限制。在这篇论文中，我们提出了一种双目视觉SLAM，可以获得非常精确的定位和密集的环境地图，旨在参加欧洲机器人挑战赛(EuRoC)，目标是小规模的UAVs工业设施的空中检查。所提出的方法包括一种新的立体里程计算法，依赖于特征跟踪(SOFT)，目前在KITTI数据集的所有立体方法中排名第一。基于SOFT进行姿态估计，建立了基于特征的姿态图SLAM算法，并将其命名为SOFT-SLAM。SOFT-SLAM具有完全分离的里程计和映射线程，支持大闭环和全局一致性。它还实现了20hz的恒定时间执行率和确定性的结果，只使用在挑战中使用的机载计算机的两个线程。运行我们的SLAM算法的UAV在EuRoC Challenge 3, Stage IIa-Benchmarking, Task 2中获得了最高的本地化得分。此外，我们还在两个流行的公共数据集上对SOFTSLAM进行了详尽的评估，并将其与其他最先进的方法进行了比较;即ORB-SLAM2和LSD-SLAM。结果表明，SOFT-SLAM对大部分数据集序列具有较好的定位精度，同时具有较低的运行时间。