【泡泡一分钟】基于视觉SLAM稀疏特征构建可导航地图(IROS-6)

会员服务 ·

【泡泡一分钟】基于视觉SLAM稀疏特征构建可导航地图(IROS-6)

2018 年 2 月 8 日 泡泡机器人SLAM 泡泡一分钟

每天一分钟，带你读遍机器人顶级会议文章

标题：Building Maps for Autonomous Navigation Using Sparse Visual SLAM Features

作者：TYonggen Ling and Shaojie Shen

来源：IROS 2017

播音员：刘畅

编译：王慧国

欢迎个人转发朋友圈；其他机构或自媒体如需转载，后台留言申请授权

摘要

今天介绍的文章是“Building Maps for Autonomous Navigation Using Sparse Visual SLAM Features ”——基于视觉SLAM稀疏特征构建可导航地图，该文章发表在IROS2017。

自动导航是由定位，建图，运动规划和控制集成起来的系统，是移动机器人系统的核心能力。然而，大多数的研究仅仅简单地考虑孤立的技术模块。

SLAM算法生成的地图与运动规划需要的地图存在着较大的距离。这篇文章展示了一个完整的在线系统，它包括三个模块：增量的SLAM，实时稠密建图和自由空间提取。获得的自由空间体积（即四面体的镶嵌）可以作为运动规划的常规几何约束。

我们的系统能够实时地运行，这要归功于提出的工程决策，它提升了系统的性能。我们在KITTI数据集上做了大量的实验，实验表明它的实时性能。定量以及定性的结果都显示了建图的精度。为了社区的利益，我们将源代码公开了。

源码链接：https://github.com/ygling2008/lightweight_mapping

程序的效果图如下：

图1 算法的效果图

图2 系统的框架图

它由五个线程组成。姿态跟踪线程估计出每一帧的相机姿态，并决定是否插入关键帧。如果由新的关键帧插入，那么局部的捆集优化将被执行，相机的局部姿态和特征点的空间位置将被调整。回环检测部分和全局的优化在另外的线程中执行。3D的建图线程将优化过的稀疏特征点转化成稠密的体积表达。自由空间体积提取线程会定期输出最新的自由空间量，用于运动规划的使用。

Abstract

Autonomous navigation, which consists of a systematic integration of localization, mapping, motion planning and control, is the core capability of mobile robotic systems. However, most research considers only isolated technical mod-ules. There exist significant gaps between maps generated by SLAM algorithms and maps required for motion planning. This paper presents a complete online system that consists in three modules: incremental SLAM, real-time dense mapping, and free space extraction. The obtained free-space volume (i.e. a tessellation of tetrahedra) can be served as regular geometric constraints for motion planning. Our system runs in real-time thanks to the engineering decisions proposed to increase the system efficiency. We conduct extensive experiments on the KITTI dataset to demonstrate the run-time performance. Qualitative and quantitative results on mapping accuracy are also shown. For the benefit of the community, we make the source code public.

如果你对本文感兴趣，想要下载完整文章进行阅读，可以关注【泡泡机器人SLAM】公众号。

点击阅读原文，即可获取本文下载链接。