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

要約

この論文では、バンドル調整 (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かつロバスト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 BAMF-SLAM を紹介します。
まず、私たちのシステムは生の魚眼画像を直接操作し、魚眼カメラの広い視野 (FoV) を最大限に活用できるようにします。
次に、低テクスチャの課題を克服するために、統合ファクター グラフを介してマルチカメラ入力と相補的な慣性測定の密結合統合を検討し、ポーズと高密度深度マップを共同で最適化します。
第三に、グローバルな一貫性のために、魚眼カメラの広い FoV により、システムはより多くの潜在的なループ クロージャを見つけることができ、RFT の広い収束盆地を利用して、システムはほとんどオーバーラップせずに非常に広いベースライン ループ クロージングを実行できます。
さらに、高価な完全なグローバル BA を回避するために、セミポーズグラフ BA 手法を導入します。
相対ポーズ要素とループ クロージャ要素を組み合わせることで、高精度を維持しながら、適度なメモリ フットプリントでグローバル状態を効率的に調整できます。
TUM-VI、Hilti-Oxford、および Newer College データセットの評価では、提案されたシステムが以前の研究よりも優れたパフォーマンスを示しています。
Hilti SLAM Challenge 2022 では、当社の VIO バージョンが 2 位を獲得しました。
その後の提出では、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りました。

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, Google