![ad77bfcf1d44474d92be8a116eb52563.png](https://i-blog.csdnimg.cn/blog_migrate/62b1fba86fe6e2516ee2bd0899301ebc.jpeg)
编者按:由于传统的视觉SLAM采用的地标主要为图像中的低层特征如特征点、线等,容易在单一纹理或梯度特征不明显的区域出现误匹配等问题。而随着深度学习的发展,利用高精度的目标识别、语义分割技术,基于语义对象的SLAM也成为当前的发展前沿。一方面,构建语义地图,将数据关联从传统的像素级别升级到对象级别,提升复杂场景下的相机位姿估计精度。另一方面,借助SLAM技术,计算出对象之间的位置约束,可以对同一对象在不同角度、不同时刻的识别结果进行一致性约束,从而提高语义理解的精度。本文介绍的是三维立方体的单目对象SLAM,发表于2019年的IEEE Transactions on Robotics。
本文译自:
IEEE Transactions on Robotics 2019
原文标题:
"CubeSLAM:Monocular 3-D Object SLAM"
原作者:
Shichao Yang, Sebastian Scherer
原作者单位:
Carnegie Mellon University
原文链接:
https://arxiv.org/pdf/1806.00557.pdf
摘要:本文提出一种在静态和动态环境下单视图三维立方体目标检测和多视图对象SLAM的方法,并证明了二者是可以互相增益的。对于三维检测,本文利用二维边界框和消失点采样生成高质量的三维候选框,之后根据边缘对齐对候选区域进一步评分和选择。对SUN-RGBD数据集和KITTI数据集的实验表明,与现有方法相比,该方法具有较高的效率和准确性。论文第二部分提出了利用单视图检测结果和新的测量函数进行光束法平差,共同优化相机位姿、对象位姿和点坐标。同时在传统SLAM的静态假设上,追踪动态对象(车辆等),实现相机位姿估计和运动对象位姿估计。与特征点相比,对象可以提供更多的几何约束和尺度一致性。在公开的TUM和KITTI数据集上,本文不仅实现了目前最先进的单目SLAM位姿估计精度,而且提高了三维物体检测的精度。
1
前言
![db09a6afc5935a7bd0d65a7ee5d6b629.png](https://i-blog.csdnimg.cn/blog_migrate/f0176eeafff24ce758a552937a6aa106.png)
2
单视图三维目标检测
2.1生成三维候选框 2