Multi-Session Visual SLAM for Illumination Invariant Re-Localization in Indoor Environments

要約

カメラのみを使用してナビゲートするロボットの場合、屋内環境での照明の変化により、自律ナビゲーション中に再ローカリゼーションエラーが発生する可能性があります。
この論文では、異なる照明条件で同じ場所の複数のバリエーションで作成されたマップを作成するためのマルチセッションビジュアルSLAMアプローチを提示します。
その後、マルチセッションマップを1日の任意の時間に使用して、再ローカリゼーション機能を向上させることができます。
提示されたアプローチは、使用される視覚的機能とは無関係であり、これは、RTAB-Mapライブラリを使用して作成されたマルチセッションマップとSURF、SIFT、BRIEF、BRISK、KAZE、DAISY、およびSuperPointの視覚的機能との間の再ローカリゼーションパフォーマンスを比較することによって示されます。
このアプローチは、実際のアパートでGoogle Tango電話を使用して、日没時に30分間隔で記録された6つのマッピングセッションと6つのローカリゼーションセッションでテストされます。

要約(オリジナル)

For robots navigating using only a camera, illumination changes in indoor environments can cause re-localization failures during autonomous navigation. In this paper, we present a multi-session visual SLAM approach to create a map made of multiple variations of the same locations in different illumination conditions. The multi-session map can then be used at any hour of the day for improved re-localization capability. The approach presented is independent of the visual features used, and this is demonstrated by comparing re-localization performance between multi-session maps created using the RTAB-Map library with SURF, SIFT, BRIEF, BRISK, KAZE, DAISY and SuperPoint visual features. The approach is tested on six mapping and six localization sessions recorded at 30 minute intervals during sunset using a Google Tango phone in a real apartment.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google