【泡泡一分钟】SlamBench2:视觉SLAM的多目标头对头基准测试

2019 年 9 月 8 日 泡泡机器人SLAM

每天一分钟,带你读遍机器人顶级会议文章

标题:SLAMBench2: Multi-Objective Head-to-Head Benchmarking for Visual SLAM

作者:Bruno Bodin, Harry Wagstaff, Sajad Saeedi etc.

来源:The International Conference in Robotics and Automation(ICRA) 2018

编译:张建

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

SLAM正在成为机器人和增强现实(AR)系统的关键组成部分。虽然大量的SLAM算法被提出,但是很少的努力花在统一这些算法的接口,或者对它们的能力进行整体比较上。这是一个问题,因为不同的SLAM应用程序可以有不同的功能和非功能需求。例如,基于手机的AR应用程序有着很紧的能耗预算,而无人机导航系统通常需要很高的精度。SlamBench2是一个基准框架,用于评估现有和未来的SLAM系统,包括开放源代码和封闭源代码,以及可扩展的数据集列表,同时使用可比较且明确指定的性能指标列表。支持现有的各种SLAM算法和数据集,例如ElasticFusion、InfiniTAM、ORB-SLAM2、OKVIS,并且整合新的算法和数据集是由框架直接而明确地指定的。SlamBench2是一个公开可用的软件框架,它代表了定量、可比较和可验证的实验研究的起点,以研究跨SLAM系统的权衡。

图1  SlamBench2结构概述。此图显示了框架的四个主要组件(I/O、API、加载器和用户界面)及其三个主要特性(不区分数据集、即插即用算法和模块化用户界面)。


图2  SlamBench API的工作流。


图3  使用Pangolin库的SlamBench2的GUI截图。在左侧,沿着轨迹显示了从ElasticFusion中提取的点云。还显示了ElasticFusion的输入帧和内部3D渲染,嵌入在图像的右侧。右边是一个类似的接口,用于ORBSLAM2和EuRoC MAV数据集。这一次地图是稀疏的,我们可以看到轨迹与地面真值相一致。


图4  在ODROID板上为Kinect Fusion(OpenCL)执行的精度/速度权衡探索。

Abstract

SLAM is becoming a key component of robotics and augmented reality (AR) systems. While a large number of SLAM algorithms have been presented, there has been little effort to unify the interface of such algorithms, or to perform a holistic comparison of their capabilities. This is a problem since different SLAM applications can have different functional and non-functional requirements. For example, a mobile phone-based AR application has a tight energy budget, while a UAV navigation system usually requires high accuracy. SLAMBench2 is a benchmarking framework to evaluate existing and future SLAM systems, both open and close source, over an extensible list of datasets, while using a comparable and clearly specified list of performance metrics. A wide variety of existing SLAM algorithms and datasets is supported, e.g. ElasticFusion, InfiniTAM, ORB-SLAM2, OKVIS, and integrating new ones is straightforward and clearly specified by the framework. SLAMBench2 is a publicly-available software framework which represents a starting point for quantitative, comparable and validatable experimental research to investigate trade-offs across SLAM systems.


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

登录查看更多
2

相关内容

即时定位与地图构建(SLAM或Simultaneouslocalizationandmapping)是这样一种技术:使得机器人和自动驾驶汽车等设备能在未知环境(没有先验知识的前提下)建立地图,或者在已知环境(已给出该地图的先验知识)中能更新地图,并保证这些设备能在同时追踪它们的当前位置。
基于视觉的三维重建关键技术研究综述
专知会员服务
164+阅读 · 2020年5月1日
【CVPR2020】视觉推理-可微自适应计算时间
专知会员服务
13+阅读 · 2020年4月28日
专知会员服务
87+阅读 · 2019年12月13日
【泡泡一分钟】变化环境下激光地图辅助视觉惯性定位
泡泡机器人SLAM
15+阅读 · 2019年5月22日
【泡泡一分钟】DS-SLAM: 动态环境下的语义视觉SLAM
泡泡机器人SLAM
23+阅读 · 2019年1月18日
【泡泡一分钟】用于评估视觉惯性里程计的TUM VI数据集
泡泡机器人SLAM
11+阅读 · 2019年1月4日
【泡泡一分钟】CVI-SLAM –协同视觉惯性SLAM
泡泡机器人SLAM
21+阅读 · 2018年12月18日
Maplab:研究视觉惯性建图和定位的开源框架
泡泡机器人SLAM
16+阅读 · 2018年4月4日
Real-time Scalable Dense Surfel Mapping
Arxiv
5+阅读 · 2019年9月10日
Structure Aware SLAM using Quadrics and Planes
Arxiv
4+阅读 · 2018年8月13日
Arxiv
8+阅读 · 2018年1月25日
VIP会员
相关资讯
Top
微信扫码咨询专知VIP会员