P2U-SLAM: A Monocular Wide-FoV SLAM System Based on Point Uncertainty and Pose Uncertainty

要約

この論文では、位置不確実性と点不確実性を利用する、広視野 (FoV) カメラを備えた視覚同時位置特定およびマッピング (SLAM) システムである P2U-SLAM について説明します。
広い FoV により、クロスビュー フィーチャを照合するために履歴マップ ポイントをかなり繰り返し観察できますが、履歴マップ ポイントのデータ プロパティと履歴キーフレームのポーズは、最適化プロセス中に変更されます。
データプロパティの変更を無視すると、最適化における部分的な情報マトリックスの欠如が引き起こされ、長期的な測位パフォーマンスの低下のリスクにつながります。
私たちの研究の目的は、SLAM システムへの広視野視覚入力のリスクを軽減することです。
この研究は、条件付き確率モデルに基づいて、最適化プロセスに対する上記のデータ特性の変化の明確な影響を明らかにし、それを点不確実性とポーズ不確実性として具体化し、特定の数学的形式を与えます。
P2U-SLAM は、点不確実性と位置不確実性をそれぞれ追跡モジュールとローカル マッピングに埋め込み、ローカル マッピング、マップのマージ、ループ終了などの各最適化操作の後にこれらの不確実性を更新します。
私たちは、広視野の視覚入力を備えた 2 つの人気のある公開データセットからの 27 シーケンスで徹底的な評価を提示します。
P2U-SLAM は、他の最先端の方式と比較して優れたパフォーマンスを示します。
ソースコードは https://github.com/BambValley/P2U-SLAM で公開されます。

要約(オリジナル)

This paper presents P2U-SLAM, a visual Simultaneous Localization And Mapping (SLAM) system with a wide Field of View (FoV) camera, which utilizes pose uncertainty and point uncertainty. While the wide FoV enables considerable repetitive observations of historical map points for matching cross-view features, the data properties of the historical map points and the poses of historical keyframes have changed during the optimization process. The neglect of data property changes triggers the absence of a partial information matrix in optimization and leads to the risk of long-term positioning performance degradation. The purpose of our research is to reduce the risk of the wide field of view visual input to the SLAM system. Based on the conditional probability model, this work reveals the definite impact of the above data properties changes on the optimization process, concretizes it as point uncertainty and pose uncertainty, and gives a specific mathematical form. P2U-SLAM respectively embeds point uncertainty and pose uncertainty into the tracking module and local mapping, and updates these uncertainties after each optimization operation including local mapping, map merging, and loop closing. We present an exhaustive evaluation in 27 sequences from two popular public datasets with wide-FoV visual input. P2U-SLAM shows excellent performance compared with other state-of-the-art methods. The source code will be made publicly available at https://github.com/BambValley/P2U-SLAM.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google