PVI-DSO: Leveraging Planar Regularities for Direct Sparse Visual-Inertial Odometry

要約

直接法に基づく単眼視覚慣性オドメトリ (VIO) は、画像内のすべての利用可能なピクセルを活用して、カメラの動きを同時に推定し、シーンのより密なマップをリアルタイムで再構築できます。
ただし、直接法は測光変化の影響を受けやすいため、環境に幾何学的情報を導入することで補正できます。
この論文では、平面規則性 (PVI-DSO) を利用する単眼直接スパース視覚慣性オドメトリを提案します。
私たちのシステムは、推定されたマップ ポイント上に構築された 3D メッシュから平面規則性を検出します。
幾何情報による姿勢推定の精度を向上させるため、密結合共面制約式を使用して直接法で測光誤差を表現します。
さらに、最適化効率を向上させるために、コプレーナ制約の線形化形式の解析ヤコビアンを入念に導出します。
最後に、慣性測定誤差、共面点測光誤差、非共面測光誤差、事前誤差がオプティマイザに追加され、姿勢推定精度とメッシュ自体が同時に改善されます。
シミュレーションと現実世界のデータセットでシステム全体のパフォーマンスを検証しました。
広範な実験により、当社のシステムが最先端のシステムよりも優れていることが実証されました。

要約(オリジナル)

The monocular visual-inertial odometry (VIO) based on the direct method can leverage all available pixels in the image to simultaneously estimate the camera motion and reconstruct the denser map of the scene in real time. However, the direct method is sensitive to photometric changes, which can be compensated by introducing geometric information in the environment. In this paper, we propose a monocular direct sparse visual-inertial odometry, which exploits the planar regularities (PVI-DSO). Our system detects the planar regularities from the 3D mesh built on the estimated map points. To improve the pose estimation accuracy with the geometric information, a tightly coupled coplanar constraint expression is used to express photometric error in the direct method. Additionally, to improve the optimization efficiency, we elaborately derive the analytical Jacobian of the linearization form for the coplanar constraint. Finally, the inertial measurement error, coplanar point photometric error, non-coplanar photometric error, and prior error are added into the optimizer, which simultaneously improves the pose estimation accuracy and mesh itself. We verified the performance of the whole system on simulation and real-world datasets. Extensive experiments have demonstrated that our system outperforms the state-of-the-art counterparts.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google