Hand-held Monocular SLAM Based on Line Segments
Hand-held Monocular SLAM Based on Line Segments
- Abstract
- Introduction
- Image Line
- Spatil Line
- Methorodlogy of Monocular SLAM
- Experimental Results
- Conclusion
Abstract
本文提出了一种基于线性特征信息的视觉SLAM方案,通过普吕克坐标表示直线,通过NLT算法对直线进行匹配,之后通过卡尔曼滤波算法对直线的位置信息进行校准,最后通过构建精准的地图信息。
Introduction
利用线性特征信息的优点:
- 在人造的环境中有很多线性特征可以获取;
- 线性特征信息构建的地图具有更好的结构信息;
- 线性特征信息具有更好的精度和鲁棒性。
面临的问题:
- 线性特征信息的正确匹配依旧是主要的难题;
- 将2D的线性特征信息恢复到3D空间中;
文中在匹配直线信息的时候使用近邻算法,在跟踪丢失之后使用MSLD算法,通过一系列的措施对对失败后的场景进行重新设置。
Image Line
这一部分是对图像中的直线信息进行的操作。
A. Line segment detection
对于线性特征信息的提取,文中主要通过四部分进行:
- 通过Canny算法进行线性特征信息的获取;
- 对相似的线性特征信息进行聚类;
- 对相似的线性特征信息进行适当的踢除;
- 通过霍夫空间变化求解一个容器中的代表性线性特征信息。
B. Line segment tracking
对于线性特征信息的匹配问题,一般情况下通过最近邻的方式对线性特征信息进行求解计算。所需要考虑的误差信息主要包括直线到图像中心的距离、直线与x轴的角度、线性特征的向量信息、直线长度和中点、像素灰度信息和梯度信息,通过将上述的误差信息加权求解最小值信息,获取最佳的匹配线性特征。当跟踪失败后通过MSLD算法进行补偿。
Spatil Line
这一部分首先介绍普吕克线性和普吕克矩阵信息之间的关系,之后推导自己的线性表示模型,最后通过线性特征信息构建空间线性信息。
A. Spatial line representation
这里主要介绍了普吕克坐标系和普吕克矩阵之间的关系。
B. Line measurement model
通过结合SVD和普吕克构建了自己的直线模型。
C. Spatial line reconstruction
构建空间直线信息,本文中的方法是:
- 首先,通过判断视角之间的角度和基线来获取足够可靠的视觉判断情况;
- 通过视图信息来获取3D直线信息;
- 通过共视图信息来踢除不合理的特征信息;
- 通过高斯模型做检测。
Methorodlogy of Monocular SLAM
该I部分介绍了视觉SLAM主流的方案。
A. System initialization
对于SLAM的方案进行初始化,文中利用线性特征信息以及辅助的线性特征对整个系统进行初始化,同时解决了尺度问题。
B. State prediction and update
通过概率图对已经生成的线性特征信息进行校准,通过卡尔曼滤波算法对已有的线性特征信息进行校准。
C. SLAM supervision and failure recovery
在一般的视觉SLAM的方案中,需要注意系统在运行失败之后需要重新启动。正如前面所示,在线性特征信息方面需要通过MSLD进行重新提取。
Experimental Results
Conclusion
本文通过结合线性特征信息对视觉SLAM系统进行了创建,使得能够获取信息更加丰富的地图,创建了一种更加有效的线性特征信息的表示方式,以及一种错误恢复的方案。
Hand-held Monocular SLAM Based on Line Segments相关推荐
- EAO-SLAM: Monocular Semi-Dense Object SLAM Based on Ensemble Data Association
EAO-SLAM: Monocular Semi-Dense Object SLAM Based on Ensemble Data Association EAO-SLAM:集成数据关联的单目半稠密物 ...
- [LiteratureReview]EAO-SLAM Monocular Semi-Dense Object SLAM Based on Ensemble Data Association
[LiteratureReview]EAO-SLAM: Monocular Semi-Dense Object SLAM Based on Ensemble Data Association 出处:2 ...
- 2018_Semantic SLAM Based on Object Detection and Improved Octomap_note
注释 (2022/4/15 上午9:14:24) "ABSTRACT" (Zhang 等., 2018, p. 1) (pdf) 提出了什么: "In this pape ...
- 翻译:ORB-SLAM: a Versatile and Accurate Monocular SLAM System
本文为ORB-SLAM的翻译,转载自:http://qiqitek.com/blog/?p=102 ORB-SLAM: a Versatile and Accurate Monocular SLAM ...
- 翻译 | ORB-SLAM: a Versatile and Accurate Monocular SLAM System(ORB-SLAM:一种通用的(全能的)精确的单目SLAM系统)
博主github:https://github.com/MichaelBeechan 博主CSDN:https://blog.csdn.net/u011344545 ORB-SLAM:一种通用的(全能 ...
- 《论文笔记》Multi-UAV Collaborative Monocular SLAM
时间:2017 作者: 实现条件: 多agent+一中心服务器.每一个agent自带单目摄像头,中心服务器可与所有agent通信.agent没有任何先验知识.不考虑任何的传输延时所带来的不良影响. ...
- Robust Document Image Dewarping Method Using Text-Lines and Line Segments论文学习笔记
1 摘要 传统的基于文本行的文档去扭曲方法在处理复杂布局和/或非常少的文本行时会出现问题.当图像中没有对齐的文本行时,这通常意味着照片.图形和/或表格占据了输入的大部分.因此,对于健壮的文档去扭曲变形 ...
- Probabilistic Volumetric Fusion for Dense Monocular SLAM
论文标题:Probabilistic Volumetric Fusion for Dense Monocular SLAM 论文链接:https://arxiv.org/pdf/2210.01276. ...
- 每日论文打卡十 LCDNet: Deep Loop Closure Detection for LiDAR SLAM based on Unbalanced Optimal Transport
论文题目 LCDNet: Deep Loop Closure Detection for LiDAR SLAM based on Unbalanced Optimal Transport arxiv ...
最新文章
- 会话保持之iRule脚本
- python 办公自动化-用python进行办公自动化都需要学习什么知识呢?
- 【SQL】数据库的SQL查询,涉及多个数据库
- 学了这些技术就能轻松找到一份待遇不错的岗位
- PostgreSQL学习笔记10之性能提升技巧
- 461. Hamming Distance【数学|位运算】
- magento 1.9 用户无法登录 magento 1.9 customer can not login
- ONNX系列六 --- 在Java中使用可移植的ONNX AI模型
- 最短路算法floyd
- 排序算法之五 快速排序(C++版本)
- Atitit 利用前端cache indexdb localStorage 缓存提升性能优化attilax总结 1.1. indexdb 更加强大点,但是结果测试,api比较繁琐 使用叫麻烦些	1
- html5显示特殊符号,HTML5特殊符号怎么显示-电脑自学网
- 软件质量管理-考试复习总结
- 前端H5面试题Js: 数组的常用方法有哪些?
- Unity 导出obj模型
- OpenCV中的图片截取和颜色通道提取
- 利用adb查找手机定位,并且打开地图定位
- CMakeLists.txt链接库的基本套路
- Linux面试相关知识点看着一文就够了
- DCT 变换的一些思考