BAMF-SLAM: Bundle Adjusted Multi-Fisheye Visual-Inertial SLAM Using Recurrent Field Transforms

要約

本論文では、BAMF-SLAMを紹介する。このシステムは、束調整（BA）とリカレントフィールド変換（RFT）を利用して、困難なシナリオにおいて正確で頑健な状態推定を実現する新しいマルチ魚眼視覚・慣性SLAMシステムである。第一に、本システムは魚眼レンズの生画像を直接操作することで、魚眼レンズの広い視野（FoV）を完全に利用することができる。第二に、低テクスチャーの課題を克服するために、統一されたファクターグラフを介して、マルチカメラ入力と補完的な慣性計測を緊密に結合して統合し、ポーズと高密度深度マップを共同で最適化することを探求しています。第三に、グローバルな一貫性を保つために、魚眼カメラの広いFoVにより、システムはより多くのループ閉鎖の可能性を見つけることができ、RFTの広い収束領域により、本システムは重複の少ない非常に広いベースラインループ閉鎖を行うことができます。さらに、高価なフルグローバルBAを回避するために、セミポーズグラフBA法を導入しています。相対的なポーズ因子とループ閉鎖因子を組み合わせることで、高精度を維持しながら、控えめなメモリフットプリントで効率的にグローバル状態を調整することができます。TUM-VI、Hilti-Oxford、Newer Collegeデータセットでの評価により、提案システムが先行研究よりも優れた性能を持つことが示されました。Hilti SLAM Challenge 2022において、我々のVIOバージョンは2位を獲得した。また、その後の応募では、グローバルBAバックエンドを含む当社の完全なシステムが、優勝したアプローチを上回る性能を示しました。

要約(オリジナル)

In this paper, we present BAMF-SLAM, a novel multi-fisheye visual-inertial SLAM system that utilizes Bundle Adjustment (BA) and recurrent field transforms (RFT) to achieve accurate and robust state estimation in challenging scenarios. First, our system directly operates on raw fisheye images, enabling us to fully exploit the wide Field-of-View (FoV) of fisheye cameras. Second, to overcome the low-texture challenge, we explore the tightly-coupled integration of multi-camera inputs and complementary inertial measurements via a unified factor graph and jointly optimize the poses and dense depth maps. Third, for global consistency, the wide FoV of the fisheye camera allows the system to find more potential loop closures, and powered by the broad convergence basin of RFT, our system can perform very wide baseline loop closing with little overlap. Furthermore, we introduce a semi-pose-graph BA method to avoid the expensive full global BA. By combining relative pose factors with loop closure factors, the global states can be adjusted efficiently with modest memory footprint while maintaining high accuracy. Evaluations on TUM-VI, Hilti-Oxford and Newer College datasets show the superior performance of the proposed system over prior works. In the Hilti SLAM Challenge 2022, our VIO version achieves second place. In a subsequent submission, our complete system, including the global BA backend, outperforms the winning approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL