PL-VINS:实时基于点线的单目惯导SLAM系统

摘要：

利用线特征来提高基于点特征的视觉惯性SLAM（VINS）的定位精度越来越重要，因为它们提供了结构化场景中规则性的额外约束，然而，实时性能一直没有得到关注。本文介绍了PL-VINS，一种基于实时优化的具有点和线的单目VINS方法，它是在最新的基于点的VINS Mono的基础上发展起来的。观察到目前的工作是使用LSD算法来提取直线，但是LSD是为场景的形状结构表示而设计的，而不是针对特定的姿态估计问题，由于其昂贵的成本成为实时性能的瓶颈。本文通过对隐参数调整和长度抑制策略的研究，提出了一种改进的LSD算法。改进后的LSD的运行速度至少是LSD的三倍。此外，通过用pucker坐标表示线地标，线重投影残差被建模为中点到线的距离，然后通过迭代更新pucker坐标的最小四参数正交表示来最小化。在公共euro-benchmark数据集上的实验表明，在相同工作频率下，在低功耗CPU@1.1ghz下，该方法的定位误差比VINS-Mono算法低12-16%。

开源代码：https://github.com/cnqiangfu/PL-VINS。

相关工作与主要贡献

本文提出了PL-VINS，其特点包括：

（1）据