每天一分钟,带你读遍机器人顶级会议文章
标题:Quadtree-Accelerated Real-Time Monocular Dense Mapping
作者:Kaixuan Wang, Wenchao Ding, and Shaojie Shen
来源:2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
编译:黄思宇
审核:颜青松,陈世浪
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
本文为机器人导航提出了一种新型的建图方式。使用一个移动的摄像头实时地估计高质量的稠密深度图并融合进3D重建中。
利用强度图片的四叉树结构,在多分辨率上估计深度图来减少计算负担。本文提出基于四叉树的像素选择和动态置信传播来加速建图过程:被选择的像素根据其在四叉树的水平,用其对应的计算资源来进行深度优化。
求解的深度估计被进一步插值并在时间上融合至全分辨率的深度图中,并使用基于截断的带符号距离函数(TSDF)融合至稠密三维地图。
本文在公开数据集上比较了该方法以其他顶尖方法的建图效果。并在自主飞行的机载UAV上进行实验进一步验证该方法在便携式设备上的可用性和效率。
该应用目前已开源于https://github.com/HKUST-Aerial-Robotics/open_quadtree_mapping.
图1:提出的方法在单目视觉惯导系统状态估计下实时生成的稠密3D地图。左为输入图片,右边为实时构建的3D地图,红线为相机轨迹。
图2:基于强度图片的四叉树结构选择像素的示意图,红点为选中像素。
图3:大多数情况下,在强度图片位于相同四叉树块的像素点在深度图片中也位于相同四叉树块,即位于相同四叉树块的像素有相近的强度值和深度值。
图4:该方法的流程示意图。
图5:与其他方法在公开数据集上的实验结果。
图4:在机载UAV上进行的实验,左为实际飞行环境,红圈内为UAV,中间和右列为相机拍摄图片和深度估计。
Abstract
In this paper, we propose a novel mapping method for robotic navigation. High-quality dense depth maps are estimated and fused into 3D reconstructions in real-time using a single localized moving camera. The quadtree structure of the intensity image is used to reduce the computation burden by estimating the depth map in multiple resolutions. Both the quadtree-based pixel selection and the dynamic belief propagation are proposed to speed up the mapping process: pixels are selected and optimized with the computation resource according to their levels in the quadtree. Solved depth estimations are further interpolated and fused temporally into full resolution depth maps and fused into dense 3D maps using truncated signed distance function (TSDF). We compare our method with other state-of-the-art methods using the public datasets. Onboard UAV autonomous flight is also used to further prove the usability and efficiency of our method on portable devices. For the benefit of the community, the implementation is also released as open source at https://github.com/HKUST-Aerial-Robotics/open_quadtree_mapping.
如果你对本文感兴趣,请点击点击阅读原文下载完整文章,如想查看更多文章请关注【泡泡机器人SLAM】公众号(paopaorobot_slam)。
百度网盘提取码:fdd5
欢迎来到泡泡论坛,这里有大牛为你解答关于SLAM的任何疑惑。
有想问的问题,或者想刷帖回答问题,泡泡论坛欢迎你!
泡泡网站:www.paopaorobot.org
泡泡论坛:http://paopaorobot.org/bbs/
泡泡机器人SLAM的原创内容均由泡泡机器人的成员花费大量心血制作而成,希望大家珍惜我们的劳动成果,转载请务必注明出自【泡泡机器人SLAM】微信公众号,否则侵权必究!同时,我们也欢迎各位转载到自己的朋友圈,让更多的人能进入到SLAM这个领域中,让我们共同为推进中国的SLAM事业而努力!
商业合作及转载请联系liufuqiang_robot@hotmail.com