要約
我々は、MAVIS と呼ばれる、部分的に重なった複数のカメラ システム用に設計された、最適化ベースの新しい視覚慣性 SLAM システムを紹介します。
私たちのフレームワークは、マルチカメラ システムからの広い視野と、慣性測定ユニット (IMU) によって提供されるメートルスケール測定の利点を最大限に活用しています。
我々は、SE_2(3)の自己同型の指数関数に基づいた改良されたIMU事前積分定式化を導入し、高速回転運動と延長された積分時間の下で追跡性能を効果的に向上させることができる。
さらに、単眼またはステレオ設定用に設計された従来のフロントエンド トラッキングおよびバックエンド最適化モジュールをマルチカメラ システム向けに拡張し、困難なシナリオにおけるシステムのパフォーマンスに貢献する実装の詳細を導入します。
私たちのアプローチの実際的な妥当性は、公開データセットでの実験によって裏付けられています。
当社の MAVIS は、Hilti SLAM Challenge 2023 のすべてのビジョン IMU トラック (シングルセッションおよびマルチセッション SLAM) で、2 位と比較して 1.7 倍のスコアで 1 位を獲得しました。
要約(オリジナル)
We present a novel optimization-based Visual-Inertial SLAM system designed for multiple partially overlapped camera systems, named MAVIS. Our framework fully exploits the benefits of wide field-of-view from multi-camera systems, and the metric scale measurements provided by an inertial measurement unit (IMU). We introduce an improved IMU pre-integration formulation based on the exponential function of an automorphism of SE_2(3), which can effectively enhance tracking performance under fast rotational motion and extended integration time. Furthermore, we extend conventional front-end tracking and back-end optimization module designed for monocular or stereo setup towards multi-camera systems, and introduce implementation details that contribute to the performance of our system in challenging scenarios. The practical validity of our approach is supported by our experiments on public datasets. Our MAVIS won the first place in all the vision-IMU tracks (single and multi-session SLAM) on Hilti SLAM Challenge 2023 with 1.7 times the score compared to the second place.
arxiv情報
| 著者 | Yifu Wang,Yonhon Ng,Inkyu Sa,Alvaro Parra,Cristian Rodriguez,Tao Jun Lin,Hongdong Li |
| 発行日 | 2024-07-16 13:08:13+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google