中心思想
提出了一个能把ICP和IMU更好结合的算法,增强ICP算法的能力
主要贡献
引入度量来评估ICP跟踪质量并确定ICP跟踪何时变得不可靠。
展示了如何使用IMU数据来提高ICP质量并减少所需的ICP迭代次数,在某些情况下,每帧仅需要一次ICP迭代。
证明了使用IMU进行航位推算可以在ICP跟踪失败时使实时3D扫描正确恢复
ICP算法失败情况分析
引入了一个参数r=|Ax-b|^2_2来表示ICP算法的质量
ICP初始化的改善
之前的ICP的初始化都是从上一帧为基础的,加入了IMU信息之后可以依据IMU的信息来更好的进行初始化
另外在运行过程中,一旦超过阈值,我们就放弃ICP的结果,改用IMU结果作为可信的信息
本系统的缺陷
我们提出了一种使用惯性导航来改善密集场景重建任务的实用方法。我们的技术提高了ICP难以跟踪的区域的鲁棒性,通过大大减少ICP迭代即可获得良好的结果,并且可以与普通硬件配合使用。除了本文探讨的方法之外,实时场景重建算法还有很多不同的变化,但是我们相信我们的工作可以改善许多现有方法的对齐方式。但是,我们的系统仍然有许多可以建立的失败案例。我们系统的一个问题是我们的惯性估计依赖于对商品加速度计读数的积分,这导致转换估计非常差。一种无需昂贵的硬件即可产生更准确的平移估计值的方法是计算RGB-D相机或手机相机中相邻帧之间的光通量。然后,可以使用此光流来估计线速度,并可以通过使用陀螺仪排除帧间旋转来进一步提高光流。通过更好的转换估算,该系统对于ICP对准中的故障将变得更加强大。大多数实时场景重建系统的另一个重要问题是全局漂移,其中系统无法正确地与先前遇到的区域重新对齐,从而导致场景的多个副本未对齐,这在循环扫描时是一个重大问题(闭环)。
许多智能手机还包含全球定位单元,可对传感器的绝对位置进行嘈杂的估计。通过将此全局位置与通过帧间对齐计算的相对位置相融合,应该可以减轻全局漂移的问题。 GPS实时闭合回路是一个挑战性的问题,也是进一步发展的令人兴奋的领域