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。