LF-SLAM: A SLAM Framework for Large Field-of-View Cameras with Negative Imaging Plane on Mobile Agents

要約

位置推定とマッピングの同時実行 (SLAM) は、自動運転とロボット工学の分野で重要な側面になっています。
Visual SLAM の重要な要素の 1 つは、カメラの視野 (FoV) です。FoV が大きいほど、周囲の要素や特徴をより広く認識できるようになります。
ただし、カメラの FoV 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従来の方法は無効になります。
パノラマ FoV はループ クロージャに有利ですが、既存の方法ではループ クロージャ フレームを簡単に一致させることができない大きな姿勢角度差の下では、その利点を簡単に実現できません。
広視野パノラマ データのループ クロージャにはさらに多数の外れ値が伴うため、従来の外れ値除去方法は直接適用できません。
これらの問題に対処するために、ループ クロージャーを備えた非常に大きな FoV を持つカメラ用の SLAM フレームワークである LF-SLAM を提案します。
単位長の 3 次元ベクトルを導入し、負の半平面上でも特徴点を効果的に表現します。
SLAM システムの姿勢情報を活用して、ループ クロージャの特徴点検出をガイドします。
さらに、単位長表現に基づく新しい異常値除去方法がループ クロージャ モジュールに統合されています。
パノラマ SLAM データセットの不足に対処するために、360\deg x(40\deg-120\deg) の FoV 全体と IMU センサーを備えたパノラマ環状レンズ (PAL) システムを使用して PALVIO データセットを収集します。
確立された PALVIO と公開データセットでの実験は、提案された LF-SLAM が最先端の SLAM メソッドよりも優れていることを示しています。
私たちのコードは、https://github.com/flysoaryun/LF-SLAM でオープンソース化されます。

要約(オリジナル)

Simultaneous Localization And Mapping (SLAM) has become a crucial aspect in the fields of autonomous driving and robotics. One crucial component of visual SLAM is the Field-of-View (FoV) of the camera, as a larger FoV allows for a wider range of surrounding elements and features to be perceived. However, when the FoV of the camera reaches the negative half plane, traditional methods for representing image feature points using [u,v,1]^T become ineffective. While the panoramic FoV is advantageous for loop closure, its benefits are not easily realized under large-attitude-angle differences where loop-closure frames cannot be easily matched by existing methods. As loop closure on wide-FoV panoramic data further comes with a large number of outliers, traditional outlier rejection methods are not directly applicable. To address these issues, we propose LF-SLAM, a SLAM framework for cameras with extremely large FoV with loop closure. A three-dimensional vector with unit length is introduced to effectively represent feature points even on the negative half plane. The attitude information of the SLAM system is leveraged to guide the feature point detection of the loop closure. Additionally, a new outlier rejection method based on the unit length representation is integrated into the loop closure module. We collect the PALVIO dataset using a Panoramic Annular Lens (PAL) system with an entire FoV of 360\deg x(40\deg-120\deg) and IMU sensor to address the lack of panoramic SLAM datasets. Experiments on the established PALVIO and public datasets show that the proposed LF-SLAM outperforms state-of-the-art SLAM methods. Our code will be open-sourced at https://github.com/flysoaryun/LF-SLAM.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google