PL-CVIO: Point-Line Cooperative Visual-Inertial Odometry

要約

低機能環境は、幾何学的なコンピューター ビジョン (CV) アルゴリズムの主なアキレス腱の 1 つです。
人間が構築したほとんどのシーンでは、特徴が少ない場合が多く、線は点を補うものと考えることができます。
この論文では、点と線の両方の機能を使用したマルチロボット協調視覚慣性航法システム (VINS) を紹介します。
マルチステート制約カルマン フィルター (MSCKF) フレームワーク内で共分散交差 (CI) 更新を利用することにより、各ロボットは、自身の点と線の測定だけでなく、隣接するロボットによって観察された共通点と共通線フィーチャの制約も活用します。
ライン フィーチャはパラメータ化され、最近接点表現を利用して更新されます。
提案されたアルゴリズムは、モンテカルロ シミュレーションと現実世界のデータセットの両方で広範囲に検証されています。
結果は、点線協調視覚慣性オドメトリ (PL-CVIO) が、低機能環境と豊富な機能の環境の両方で、独立した MSCKF および以前の研究の CVIO よりも優れていることを示しています。

要約(オリジナル)

Low-feature environments are one of the main Achilles’ heels of geometric computer vision (CV) algorithms. In most human-built scenes often with low features, lines can be considered complements to points. In this paper, we present a multi-robot cooperative visual-inertial navigation system (VINS) using both point and line features. By utilizing the covariance intersection (CI) update within the multi-state constraint Kalman filter (MSCKF) framework, each robot exploits not only its own point and line measurements, but also constraints of common point and common line features observed by its neighbors. The line features are parameterized and updated by utilizing the Closest Point representation. The proposed algorithm is validated extensively in both Monte-Carlo simulations and a real-world dataset. The results show that the point-line cooperative visual-inertial odometry (PL-CVIO) outperforms the independent MSCKF and our previous work CVIO in both low-feature and rich-feature environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google