HS-SLAM: A Fast and Hybrid Strategy-Based SLAM Approach for Low-Speed Autonomous Driving

要約

視覚型の同時ローカリゼーションとマッピング（SLAM）は、ロボット工学と低速自律車両の重要なモジュールであり、通常、実用的なアプリケーションの高い計算負担によって制限されます。
この目的のために、革新的な戦略ベースのハイブリッドフレームワークHS-SLALは、パフォーマンスを低下させることなく、高速計算のための直接および機能ベースの方法の利点を統合するために提案されています。
最初に、トラッキングスレッド内のIMUポーズ推定を使用して、連続したフレームの相対的な位置を推定します。
次に、これらの推定値をマルチレイヤーダイレクトメソッドを介して改良します。これは、粗いから微細な相対ポーズを徐々に修正し、最終的に正確なコーナーベースの機能マッチングを実現します。
このアプローチは、従来の一定速度追跡モデルの代替として機能します。
非批判的なフレームの記述子抽出を選択的にバイパスすることにより、HS-SLAMは追跡速度を大幅に改善します。
Euroc MAVデータセットの実験的評価は、HS-SLAMがORB-SLAM3よりも高い局所化精度を達成し、平均追跡効率を15％改善することを示しています。

要約(オリジナル)

Visual-inertial simultaneous localization and mapping (SLAM) is a key module of robotics and low-speed autonomous vehicles, which is usually limited by the high computation burden for practical applications. To this end, an innovative strategy-based hybrid framework HS-SLAM is proposed to integrate the advantages of direct and feature-based methods for fast computation without decreasing the performance. It first estimates the relative positions of consecutive frames using IMU pose estimation within the tracking thread. Then, it refines these estimates through a multi-layer direct method, which progressively corrects the relative pose from coarse to fine, ultimately achieving accurate corner-based feature matching. This approach serves as an alternative to the conventional constant-velocity tracking model. By selectively bypassing descriptor extraction for non-critical frames, HS-SLAM significantly improves the tracking speed. Experimental evaluations on the EuRoC MAV dataset demonstrate that HS-SLAM achieves higher localization accuracies than ORB-SLAM3 while improving the average tracking efficiency by 15%.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google