每天一分钟,带你读遍机器人顶级会议文章
标题:Semantic Mapping for View-Invariant Relocalization
作者:Jimmy Li, David Meger and Gregory Dudek
来源:IEEE International Conference on Robotics and Automation (ICRA),2019
编译:林旭滨
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
本文结合传统局部图像特征(local appearance-based features)和具有语义标签的路标信息(semantically meaningful object landmarks),开发了一套视觉SLAM系统,该系统是基于物体语义信息驱动,在实现精准局部定位的同时具有极好的视角不变性。
在本系统的建图过程中,我们基于采样的方法高效地从2D物体包围盒检测结果中推测中语义路标的3D位姿。通过对这些3D路标进行具有视角不变性的表示,我们最终实现即使在视角变化超过125°的情况下也可成功进行相机重定位。
图1 视角不变性的重定位,首先对输入的视频流构建具有语义信息的地图;其次对于输入的第二个视频流做语义地图构建与匹配,实现大视角变化下的重定位。
这种程度的视角不变性是无法通过局部图像特征(例如SIFT)实现的,因为在视角变化程度极大的情况下,物体表面部分纹理信息是不可见的。实验表明,即使在视角变化超过70°,现有方法完全失效的情况下,我们的系统依然能够以90%的几率持续进行重定位,并且旋转误差维持在8°左右。
图2 实验效果图(更多效果展示图参见文章),在视角变化达到123°的情况下,依然可以实现重定位。
图3 重定位平均旋转误差。
Abstract
We propose a system for visual simultaneous localization and mapping (SLAM) that combines traditional local appearance-based features with semantically meaningful object landmarks to achieve both accurate local tracking and highly view-invariant object-driven relocalization. Our mapping process uses a sampling-based approach to efficiently infer the 3D pose of object landmarks from 2D bounding box object detections. These 3D landmarks then serve as a view-invariant representation which we leverage to achieve camera relocaliza- tion even when the viewing angle changes by more than 125 degrees. This level of view-invariance cannot be attained by local appearance-based features (e.g. SIFT) since the same set of surfaces are not even visible when the viewpoint changes significantly. Our experiments show that even when existing methods fail completely for viewpoint changes of more than 70 degrees, our method continues to achieve a relocalization rate of around 90%, with a mean rotational error of around 8 degrees.
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)。
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