在现代视觉SLAM系统中,从关键帧中检索候选地图点是一种标准做法,用于进一步的特征匹配或直接跟踪.在这项工作中,我们认为关键帧不是这项任务的最佳选择,因为存在几个固有的限制,如弱几何推理和较差的可扩展性.我们提出了一种体素图表示来有效地检索视觉SLAM的地图点.通过以光线投射方式对摄像机frustum进行采样来查询来...
2. Voxel Hashing for SLAM A. Voxel Hashing Data Structure 基于[14]. 每个被分配的体素保存它的世界坐标系, 也保存一系列的体素点(就是3D POI, 比如SLAM里的3D landmark). 每个体素点有世界坐标和描述子. 描述子是用于2D-3D数据关联的(帧-地图alignment). 对于特征法来说, 描述子就是特征描述子. 对于...
如表II所示,VoxelMap和VoxelMap++在非结构化场景中比其他最先进的方法更具鲁棒性和准确性。 如表III所示,其他SLAM算法在走廊中更容易累积误差,我们提出的VoxelMap++在很大程度上比其他方法更准确,主要是因为平面合并可以更准确地估计平面的表示并实时估计它们的协方差。 我们提出的VoxelMap++的另一个优势是与其他先进...
本文提出了一种使用平面合并的体素建图方法VoxelMap++,其可以有效地提高基于激光雷达(-惯性)的同时定位和建图(SLAM)的精度和效率。该地图是体素的集合,其包含具有3DOF表示和对应协方差估计的平面特征。考虑到整个地图将包含大量的共面特征(子平面),这些子平面的3DOF估计可以作为具有较大平面(父平面)协方差的测量。...
这封信介绍了VoxelMap++:一种具有平面合并的体素映射方法,可以有效提高基于LiDAR(惯性)的同步定位与映射(SLAM)的精度和效率。该图是体素的集合,其中包含具有 3DOF 表示和相应协方差估计的一个平面特征。考虑到地图将包含大量共面特征(子平面),这些子平面可以被视为具有较大平面(...
本文介绍了VoxelMap++:一种具有平面合并功能的体素建图方法,能够有效提高基于LiDAR同时定位与建图(SLAM)的准确性和效率。该地图是一个包含一个平面特征的体素集合,具有3自由度的表示和相应的协方差估计。考虑到整个地图将包含大量的共面特征(子平面),这些子平面的3自由度估计可以视为带有更大平面协方差的测量。因此...
针对SLAM的体素哈希方法 本文提出的基于体素的地图表示是基于Nießner等人的“Real-time 3d reconstruction at scale using voxel hashing”工作,其中它将地图存储为哈希表,如下图所示。 以下为查询当前帧中可能可见的3D点方法(本质上与获取落入相机FoV中的所有点相同): ...
本文介绍了VoxelMap++:一种带有平面合并功能的体素建图方法,可以有效提高基于LiDAR(惯性)的同时定位与建图(SLAM)的准确性和效率。该地图是一个包含一个平面特征的体素集合,具有3自由度的表示和相应的协方差估计。考虑到总地图将包含大量的共面特征(子平面),这些子平面的3自由度估计可以被视为具有较大平面(父平面)...
本文介绍了VoxelMap++:一种带有平面合并功能的体素建图方法,可以有效提高基于LiDAR(惯性)的同时定位与建图(SLAM)的准确性和效率。该地图是一个包含一个平面特征的体素集合,具有3自由度的表示和相应的协方差估计。考虑到总地图将包含大量的共面特征(子平面),这些子平面的3自由度估计可以被视为具有较大平面(父平面)...
In modern visual SLAM systems, it is a standard practice to retrieve potential candidate map points from overlapping keyframes for further feature matching or direct tracking. In this work, we argue that keyframes are not the optimal choice for this task, due to several inherent limitations, such...