BundledSLAM: An Accurate Visual SLAM System Using Multiple Cameras

要約

マルチカメラ SLAM システムには、主に、より広い視野からの情報を統合する能力に由来する多くの利点があり、その結果、堅牢性が高まり、位置特定精度が向上します。
この研究では、さらに高い精度を達成することを目的として、ORB-SLAM2 として知られる最先端のステレオ SLAM システムの大幅な拡張と改良を紹介します。この目的を達成するために、まず、以下の測定結果をマッピングすることから始めます。
すべてのカメラを BundledFrame と呼ばれる仮想カメラに接続します。
この仮想カメラは、マルチカメラ構成にシームレスに適応できるように細心の注意を払って設計されており、複数のカメラからキャプチャされたデータの効果的な融合が容易になります。
さらに、バンドル調整 (BA) プロセスで外部パラメーターを活用して、正確な軌道推定を実現します。さらに、マルチカメラ シナリオのコンテキストでバンドル調整 (BA) の役割の広範な分析を実施し、その影響を掘り下げます。
トラッキング、ローカル マッピング、およびグローバル最適化。
私たちの実験的評価には、グラウンド トゥルース データと最先端の SLAM システム間の包括的な比較が含まれます。
システムのパフォーマンスを厳密に評価するために、EuRoC データセットを利用します。
一貫した評価結果は、既存のアプローチと比較して、当社のシステムの精度が優れていることを示しています。

要約(オリジナル)

Multi-camera SLAM systems offer a plethora of advantages, primarily stemming from their capacity to amalgamate information from a broader field of view, thereby resulting in heightened robustness and improved localization accuracy. In this research, we present a significant extension and refinement of the state-of-the-art stereo SLAM system, known as ORB-SLAM2, with the objective of attaining even higher precision.To accomplish this objective, we commence by mapping measurements from all cameras onto a virtual camera termed BundledFrame. This virtual camera is meticulously engineered to seamlessly adapt to multi-camera configurations, facilitating the effective fusion of data captured from multiple cameras. Additionally, we harness extrinsic parameters in the bundle adjustment (BA) process to achieve precise trajectory estimation.Furthermore, we conduct an extensive analysis of the role of bundle adjustment (BA) in the context of multi-camera scenarios, delving into its impact on tracking, local mapping, and global optimization. Our experimental evaluation entails comprehensive comparisons between ground truth data and the state-of-the-art SLAM system. To rigorously assess the system’s performance, we utilize the EuRoC datasets. The consistent results of our evaluations demonstrate the superior accuracy of our system in comparison to existing approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google