LF-VIO: A Visual-Inertial-Odometry Framework for Large Field-of-View Cameras with Negative Plane

要約

視覚オドメトリは、自動運転やロボット工学の分野で大きな注目を集めています。
視野（FoV）のサイズは、視覚オドメトリ（VO）および視覚オドメトリ（VIO）で重要な役割を果たします。これは、大きなFoVにより、周囲のさまざまなシーン要素や特徴を認識できるためです。
ただし、カメラのフィールドが負の半平面に達すると、[u、v、1]^Tを使用して画像の特徴点を表すことはできなくなります。
この問題に取り組むために、FoVが非常に大きいカメラ用のリアルタイムVIOフレームワークであるLF-VIOを提案します。
単位長の3次元ベクトルを利用して特徴点を表し、この課題を克服するための一連のアルゴリズムを設計します。
グラウンドトゥルースの位置とポーズを使用したパノラマ視覚オドメトリデータセットの不足に対処するために、FoV全体が360 {\ deg} x（40 {\ deg}のパノラマ環状レンズ（PAL）システムで収集されたPALVIOデータセットを提示します。
-120 {\ deg}）およびIMUセンサー。
さまざまな実験を行い、提案されたLF-VIOは、確立されたPALVIOベンチマークと、FoVが360 {\ deg} x（0 {\ deg} -93.5 {\ deg}）の公共の魚眼カメラデータセットの両方で検証されます。
LF-VIOは、最先端の視覚オドメトリオドメトリ法よりも優れています。
私たちのデータセットとコードはhttps://github.com/flysoaryun/LF-VIOで公開されています

要約(オリジナル)

Visual-inertial-odometry has attracted extensive attention in the field of autonomous driving and robotics. The size of Field of View (FoV) plays an important role in Visual-Odometry (VO) and Visual-Inertial-Odometry (VIO), as a large FoV enables to perceive a wide range of surrounding scene elements and features. However, when the field of the camera reaches the negative half plane, one cannot simply use [u,v,1]^T to represent the image feature points anymore. To tackle this issue, we propose LF-VIO, a real-time VIO framework for cameras with extremely large FoV. We leverage a three-dimensional vector with unit length to represent feature points, and design a series of algorithms to overcome this challenge. To address the scarcity of panoramic visual odometry datasets with ground-truth location and pose, we present the PALVIO dataset, collected with a Panoramic Annular Lens (PAL) system with an entire FoV of 360{\deg}x(40{\deg}-120{\deg}) and an IMU sensor. With a comprehensive variety of experiments, the proposed LF-VIO is verified on both the established PALVIO benchmark and a public fisheye camera dataset with a FoV of 360{\deg}x(0{\deg}-93.5{\deg}). LF-VIO outperforms state-of-the-art visual-inertial-odometry methods. Our dataset and code are made publicly available at https://github.com/flysoaryun/LF-VIO

arxiv情報

提供元, 利用サービス

arxiv.jp, Google