实时单目物体SLAM Real-time Monocular Object SLAM

2015

摘要：

我们提出了一个基于对象的实时SLAM系统，该系统利用了迄今为止最大的对象数据库。我们的方法包括两个主要部分：1）利用对象刚性约束改进地图并找到其真实比例的单目SLAM算法，以及2）基于二进制词包的新型对象识别算法，该算法为500个3D对象的数据库提供实时检测。这两个部分共同工作并相互受益：SLAM算法从对象的观察中积累信息，将对象特征锚定到特定地图地标，并对优化设置约束。同时，将部分或完全位于地图内的对象用作先验来指导识别算法，实现更高的召回率。我们在五个真实环境中评估了我们的建议，显示了相对于其他最先进技术，地图精度和效率的提高。

关键词：物体撞击，物体识别

1.介绍

在环境中移动和操作的机器人需要实时获取关于它的实时信息。这些信息可以从视觉SLAM（同步定位和地图绘制）中获得，视觉SLAM是许多系统的关键组成部分，允许移动机器人在探索周围环境时创建地图，并跟踪自己的位置。计算出的地图提供了丰富的几何信息，可用于可靠的摄像机定位，但对于描述观察到的场景却很差。最近，这些地图增加了对象，允许机器人与场景交互[1、2、3]。

要在SLAM地图中包含对象，必须通过计算刚体3D变换在机器人获取的图像中识别这些对象。一条庞大的研究路线为这个问题提供了解决方案[4、5、6、7]，但它已被排除在视觉大满贯之外。

我们在本文中的目标是将目标识别和单目目标SLAM结合在一起，并基于随时间累积信息的新解决方案，以计算更鲁棒的目标姿态，并保持它们始终位于场景中。为了实现这一点，我们提出了一种新的对象识别算法，该算法在基于关键帧的视觉SLAM算法构建地图时提供对象检测。一旦从不同的摄像机位置多次观察到一个对象，这些具有多次观察的对象特征将在地图中作为锚点进行三角化。

锚点提供对象在地图内的位置，并在束调整（BA）优化中设置附加几何约束。由于对象模型是真实比例的，因此锚点提供地图比例的观察。标准BA优化了相机姿态和地图点位置，众所周知，它只能恢复到比例的地图。相比之下，我们的算法优化了摄像机姿态、点以及锚点、对象和比例，因此我们得到了由对象组成的真实比例的地图。

我们的系统依赖于对象识别算法，该算法在单个图像的基础上工作，但利用了视频序列。它利用SLAM收集的信息将先前的观察视为当前图像中对象位置的线索。这允许获得更快和更可重复的检测，从而为SLAM提供更多的几何约束。

我们提出的基于二进制词包的新型对象识别算法[8]，使用与对象数量无关的静态视觉词汇表，并使用ORB（面向快速和旋转简短）特征对对象的整体外观进行建模[9]。在类似RANSAC的步骤[10]中，通过引导匹配，从2D到3D对应中找到对象的姿态。我们的系统使用包含多达500个对象的数据库快速可靠地识别3D对象，同时保持SLAM系统的实时约束

我们的工作做出了以下贡献：

1.我们提出了一个完整的视觉SLAM系统，该系统能够在地图中插入真实对象，并通过使用单目相机进行重新观察来改进其三维姿态。

2.我们展示了在单个对象数据库中存储数百个综合3D模型的可行性，该数据库由具有直接和反向索引的二进制字包组成。我们还提出了一种在验证阶段对假设对应进行采样的新技术。

3.我们提出了一种新的SLAM后端，该后端将对象提供的几何信息包括到地图优化中，以提高地图、对象及其每个步骤的相对比例的准确性。

4.我们在真实和独立的数据集中给出结果，并与其他系统进行比较。我们的结果证明

这篇好文章是转载于：学新通技术网