【泡泡一分钟】结合地图变形信息的惯性RGBD-SLAM系统（IROS-9）

每天一分钟，带你读遍机器人顶级会议文章

标题：Dense RGB-D-Inertial SLAM with Map Deformations

作者：Tristan Laidlow, Michael Bloesch, Wenbin Li and Stefan Leutenegger

来源：IROS 2017 ( International Conference on Intelligent Robots and Systems)

播音员：王肃

编译：李仕杰

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，今天为大家带来的文章是——结合地图变形信息的惯性RGBD-SLAM系统，该文章发表于IROS 2017。       

        

         尽管稠密的视觉SLAM方法能够估计环境的稠密重建， 在跟踪部分这些方法缺乏一定的鲁棒性，尤其是在优化过程未能很好的初始化的情况下。

        通过以紧耦合的方式包含惯性测量，稀疏的视觉SLAM方法达到了很高的精度和鲁棒性。受此启发，我们提出了一种紧耦合的稠密RGB-D惯性SLAM系统。

        我们的系统在GPU上可以实时运行。该系统在建立全局一致的基于面元表示的三维地图的同时，联合优化相机位姿，速度，IMU偏置和重力方向。

        通过在人工和真实环境中一系列的实验，我们展示了系统相比于只用RGB-D相机的SLAM系统对于快速运动和低纹理，低几何变换场景的鲁棒性。

Abstract

        While dense visual SLAM methods are capable of estimating dense reconstructions of the environment, they suffer from a lack of robustness in their tracking step, especially when the optimisation is poorly initialised. Sparse visual SLAM systems have attained high levels of accuracy and robustness through the inclusion of inertial measurements in a tightlycoupled fusion. Inspired by this performance, we propose the first tightly-coupled dense RGB-D-inertial SLAM system. Our system has real-time capability while running on a GPU. It jointly optimises for the camera pose, velocity, IMU biases and gravity direction while building up a globally consistent, fully dense surfel-based 3D reconstruction of the environment. Through a series of experiments on both synthetic and real world datasets, we show that our dense visual-inertial SLAM system is more robust to fast motions and periods of low texture and low geometric variation than a related RGB-D-only SLAM system.

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）。

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