【泡泡一分钟】O-POCO：一种在线点云压缩技术（ICRA-29）

每天一分钟，带你读遍机器人顶级会议文章

标题：O-POCO：Onine Point cloud Compression mapping for visual odometry and SLAM

作者：Luis Contreras and Walterio Mayol-Cuevas

编译：鲁涛

播音：清蒸鱼

来源：ICRA2017

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

        今天给大家介绍一种在线点云压缩技术——O-POCO，它筛选地图中哪些地方该保留，哪些地方是多余的。该工作来自ICRA2017。

        这个系统的输入是通过传统的SfM方法得到的点云地图，经过对地图特征的在线采样，期望最终输出有效特征，用于6D重定位。为此，作者根据相机的运动轨迹划分点云，然后结合视觉和空间信息，采样并压缩每段子地图。

 

        压缩过程大体上分为三步：

首先，建立相机运动轨迹的模型，并根据曲线的走势将轨迹划分为多段；

然后，依据特定的关联规则，将点云地图分配给各段曲线；

最后，经过一系列挑选策略，点云地图被逐渐压缩，将所有段的压缩结果联合起来，就达到了最终的目标。

 

        在策略设计方面，作者提出并评估了多个不同的信息层，比如描述符信息的相对熵、地图-特征占据网格以及点云几何误差等。最终，本文的方法在公共数据集和自采数据集上与SfM、在线/离线ORB-SLAM进行了对比，结果表明，本文方法的表现超越了基准方法，甚至在特征减少四倍的情况依然能够运行。

图1 SfM、ORB-SLAM与O-POCO的对比结果

        

图2 O-POCO的建图过程。算法生成新特征组成的子地图，这些特征在全局地图的前n帧中都可见。

Abstract

        This paper presents O-POCO, a visual odometry and SLAM system that makes online decisions regarding what to map and what to ignore. It takes a point cloud from classical SfM and aims to sample it on-line by selecting map features useful for future 6D relocalisation. We use the camera’s traveled trajectory to compartamentalize the point cloud, along with visual and spatial information to sample and compress the map. We propose and evaluate a number of different information layers such as the descriptor information’s relative entropy, map-feature occupancy grid, and the point cloud’s geometry error. We compare our proposed system against both SfM, and online and offline ORB-SLAM using publicly available datasets in addition to our own. Results show that our online compression strategy is capable of outperforming the baseline even for conditions when the number of features per key-frame used for mapping is four times less.

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。

---

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/forums/

---

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