Floorplan-SLAM: A Real-Time, High-Accuracy, and Long-Term Multi-Session Point-Plane SLAM for Efficient Floorplan Reconstruction

要約

フロアプランの再構築は、信頼できる屋内ロボットナビゲーションと高レベルのシーンの理解に不可欠な構造的事前に提供されます。
ただし、既存のアプローチでは、完全なマップで時間のかかるオフライン処理が必要であるか、高価なセンサーと実質的な計算リソースに依存する必要があります。
問題に対処するために、フロアプランスラムを提案します。フロアプランスラムは、飛行機の抽出とシームレスに対話し、バックエンドの最適化とシームレスに相互作用し、リアルタイム、高精度、およびステレオカメラのみを使用してフロアプラン再構成を達成することにより、フロアプランの再構成をマルチセッションスラムシステムにしっかりと組み込みます。
具体的には、コンパクトな平面パラメーター空間で動作し、空間的に相補的な機能を活用して、弱いテクスチャーのシーンであっても平面構造を正確に検出する堅牢な平面抽出アルゴリズムを提示します。
さらに、フロアプランの再構築モジュールとSLAMシステムと密接に組み合わせた提案を提案します。これは、継続的に最適化された飛行機のランドマークとポーズを使用して、新しい最適化問題を策定および解決し、それによってリアルタイムのインクリメンタルなフロアプランの再構成を可能にします。
マルチセッションスラムのマップマージ機能を活用することにより、この方法は、冗長なデータ収集なしで複数のセッションで長期的なフロアプラン再構成をサポートすることに注意してください。
ベクターとセルフコルコレクションのデータセットでの実験は、フロアプランスラムが平面抽出の堅牢性、推定精度、およびフロアプランの再構成の忠実度と速度の点で最先端の方法を大幅に上回ることを示しています。
分。

要約(オリジナル)

Floorplan reconstruction provides structural priors essential for reliable indoor robot navigation and high-level scene understanding. However, existing approaches either require time-consuming offline processing with a complete map, or rely on expensive sensors and substantial computational resources. To address the problems, we propose Floorplan-SLAM, which incorporates floorplan reconstruction tightly into a multi-session SLAM system by seamlessly interacting with plane extraction, pose estimation, and back-end optimization, achieving real-time, high-accuracy, and long-term floorplan reconstruction using only a stereo camera. Specifically, we present a robust plane extraction algorithm that operates in a compact plane parameter space and leverages spatially complementary features to accurately detect planar structures, even in weakly textured scenes. Furthermore, we propose a floorplan reconstruction module tightly coupled with the SLAM system, which uses continuously optimized plane landmarks and poses to formulate and solve a novel optimization problem, thereby enabling real-time incremental floorplan reconstruction. Note that by leveraging the map merging capability of multi-session SLAM, our method supports long-term floorplan reconstruction across multiple sessions without redundant data collection. Experiments on the VECtor and the self-collected datasets indicate that Floorplan-SLAM significantly outperforms state-of-the-art methods in terms of plane extraction robustness, pose estimation accuracy, and floorplan reconstruction fidelity and speed, achieving real-time performance at 25-45 FPS without GPU acceleration, which reduces the floorplan reconstruction time for a 1000 square meters scene from over 10 hours to just 9.44 minutes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google