GeoFlow-SLAM: A Robust Tightly-Coupled RGBD-Inertial Fusion SLAM for Dynamic Legged Robotics

要約

このペーパーでは、幾何学的な一貫性、脚のゆがみの制約、デュアルストリーム光学フロー（Geoflow）、私たちの方法での視覚的課題における視覚的初期障害の視覚化の初期障害の特徴の特徴の格差の初期障害の特徴の機能を統合することにより、非常に動的な環境で動作する脚の高い環境で動作する脚の堅牢で効果的に結合されたRGBD介入スラムであるGeoflow-Slamが紹介されています。
特に、迅速なモーションシナリオでは、機能マッチングは、以前のマップポイントとポーズを組み合わせたデュアルストリーム光フローを活用することにより、特に強化されます。
さらに、脚のロボットにおける高速移動とIMUエラーのための堅牢なポーズ初期化方法を提案し、IMU/脚の臭気、インターフレームのパースペクティブ-Nポイント（PNP）、および一般化反復的な近くのポイント（GICP）を統合します。
さらに、深さからマップとGICPの幾何学的制約をしっかりと結合する新しい最適化フレームワークが、長期間の視覚的にテクスチャーのない環境での堅牢性と精度を改善するために最初に導入されます。
提案されたアルゴリズムは、収集された脚のロボットとオープンソースデータセットで最先端（SOTA）を実現します。
研究開発をさらに促進するために、オープンソースのデータセットとコードがhttps://github.com/nsn-hello/geoflow-slamで公開されます

要約(オリジナル)

This paper presents GeoFlow-SLAM, a robust and effective Tightly-Coupled RGBD-inertial SLAM for legged robots operating in highly dynamic environments.By integrating geometric consistency, legged odometry constraints, and dual-stream optical flow (GeoFlow), our method addresses three critical challenges:feature matching and pose initialization failures during fast locomotion and visual feature scarcity in texture-less scenes.Specifically, in rapid motion scenarios, feature matching is notably enhanced by leveraging dual-stream optical flow, which combines prior map points and poses. Additionally, we propose a robust pose initialization method for fast locomotion and IMU error in legged robots, integrating IMU/Legged odometry, inter-frame Perspective-n-Point (PnP), and Generalized Iterative Closest Point (GICP). Furthermore, a novel optimization framework that tightly couples depth-to-map and GICP geometric constraints is first introduced to improve the robustness and accuracy in long-duration, visually texture-less environments. The proposed algorithms achieve state-of-the-art (SOTA) on collected legged robots and open-source datasets. To further promote research and development, the open-source datasets and code will be made publicly available at https://github.com/NSN-Hello/GeoFlow-SLAM

arxiv情報

提供元, 利用サービス

arxiv.jp, Google