Map Point Selection for Visual SLAM

要約

同時位置特定とマッピング (SLAM) は、自律ロボット工学において重要な役割を果たします。
ロボット プラットフォームはリソースに制約があることが多く、この制限がリソース効率の高い SLAM 実装の動機となります。
スパース ビジュアル SLAM アルゴリズムは、適度なハードウェア要件に対して良好な精度を提供しますが、これらのよりスケーラブルなスパース アプローチでも、大規模かつ長期的なシナリオに適用すると制限に直面します。
要因の 1 つは、SLAM から得られる点群が使用効率が悪く、大幅な冗長性を含んでいることです。
この論文では、スパースビジュアル SLAM アルゴリズムによって生成されるマップを削減するために、サブセット選択アルゴリズムの使用を提案します。
情報理論的手法はこれまでにも、より単純な関連問題に適用されてきましたが、完全な視覚的な SLAM 問題に適用しても拡張できません。
この論文では、マップ ポイント選択のための多数の新しい情報\hyp 理論的ユーティリティ関数を提案し、貪欲なアルゴリズムを使用してこれらの関数を最適化します。
縮小されたマップは、既存の視覚的な SLAM 実装 (ORB-SLAM 2) と並行して実用的なデータを使用して評価されます。
この論文で提案する近似選択手法は、オンラインでの使用に適しながら、オフラインのベースラインに匹敵する軌道精度を実現します。
これらの技術により、競争力のある軌道精度を備えた視覚的 SLAM のマップを実用的に削減できます。
結果は、SLAM フロントエンドのパフォーマンスがマップ ポイント選択のパフォーマンスに大きく影響する可能性があることも示しています。
これは、フロントエンド実装でマップ ポイントの選択をテストすることの重要性を示しています。
これを利用するために、この文書では追加情報が利用可能な場合にユーティリティ関数にフロントエンドのモデルを含めるアプローチを提案します。
このアプローチは、適用可能なデータセットで代替手法を上回り、将来の研究の方向性を強調します。

要約(オリジナル)

Simultaneous localisation and mapping (SLAM) play a vital role in autonomous robotics. Robotic platforms are often resource-constrained, and this limitation motivates resource-efficient SLAM implementations. While sparse visual SLAM algorithms offer good accuracy for modest hardware requirements, even these more scalable sparse approaches face limitations when applied to large-scale and long-term scenarios. A contributing factor is that the point clouds resulting from SLAM are inefficient to use and contain significant redundancy. This paper proposes the use of subset selection algorithms to reduce the map produced by sparse visual SLAM algorithms. Information-theoretic techniques have been applied to simpler related problems before, but they do not scale if applied to the full visual SLAM problem. This paper proposes a number of novel information\hyp{}theoretic utility functions for map point selection and optimises these functions using greedy algorithms. The reduced maps are evaluated using practical data alongside an existing visual SLAM implementation (ORB-SLAM 2). Approximate selection techniques proposed in this paper achieve trajectory accuracy comparable to an offline baseline while being suitable for online use. These techniques enable the practical reduction of maps for visual SLAM with competitive trajectory accuracy. Results also demonstrate that SLAM front-end performance can significantly impact the performance of map point selection. This shows the importance of testing map point selection with a front-end implementation. To exploit this, this paper proposes an approach that includes a model of the front-end in the utility function when additional information is available. This approach outperforms alternatives on applicable datasets and highlights future research directions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google