【泡泡一分钟】利用速度估计方法减小单目视觉定位和建图中的尺度偏移（3dv-63）

会员服务 ·

【泡泡一分钟】利用速度估计方法减小单目视觉定位和建图中的尺度偏移（3dv-63）

2018 年 3 月 28 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：Using learning of speed to stabilize scale in monocular localization and mapping

作者：Duncan P Frost，David W Murray，Victor A Prisacariu

来源：3dv 2017 ( International Conference on 3D Vision）

播音员：zhuying

编译：王健(90)

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

大家好，今天给大家介绍一项单目视觉SLAM中尺度矫正的新方法——Using learning of speed to stabilize scale in monocular localization and mapping，该文章发表于3dv-2017。

单目视觉进行定位和建图算法估计环境尺度，但是会造成尺度漂移，难以实现闭环检测，最终导致失败。本文描述了一种针对尺度漂移校正的图像驱动方法，该方法使用了卷积神经网络，并根据连续的单目视频帧推断相机的速度。作者得到了连续的漂移校正，避免需要明确的高级地图表示来解决此类尺度问题。作者还提出了一种新方法，在BA中把速度估计写成一正则化矩阵，避免了尺度信息激增导致的信息冗余缺陷。作者使用长距离视频流来验证该方法，其中地面实况可得，结果显示基本没有尺度漂移。作者使用单目数据与多种其他尺度漂移矫正方法进行性能比较，最后结果表明本文方法能够得到更加精确的结果。

同时贴上文章中作者的卷积神经网络构架图：

图1 显示从图像对中进行速度回归的网络架构

本文结果显示如下：

图2 （a）为使用KITTI数据集中00序列，由没有任何尺度稳定性的单目系统产生的地图。（b）为作者使用了文中提出的方法在相同系统下产生的地图。在两个图中显示出了00序列的地面实况轨迹。

Abstract

Monocular visual localization and mapping algorithms are able to estimate the environment only up to scale, a degree of freedom which leads to scale drift, difficulty closing loops, and eventual failure. This paper describes an image-driven approach for scale-drift correction which uses a convolutional neural network to infer the speed of the camera from successive monocular video frames. We obtain continuous drift correction, avoiding the need for explicit higher-level representations of the map to resolve scale. We also propose a novel method of including speed estimates as a regularizer in bundle adjustment which avoids the pitfalls of sudden imposition of scale knowledge. We demonstrate our approach using long-distance sequences for which ground truth is available, and find output that is essentially free of scale drift. We compare the performance with number of other methods for scale-drift correction from monocular data, and show that our solution achieves more accurate results.

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（paopaorobot_slam）。

链接: https://pan.baidu.com/s/1V0kBY14JdrHy-wOBWYoQlg 密码: x4h5