Mar, 2018

单目视觉惯性 SLAM 的重定位、全局优化和地图合并

PDF
TL;DR本文提出了一种单目视觉惯性 SLAM 系统，可以通过重新定位相机和获取先前构建的地图中的绝对姿态来校正漂移，并进行全局一致性的 4 自由度姿态图优化，进而实现地图合并。
monocular visual-inertial systemslampose estimationdrift correctionmap merging
发现论文，激发创造
  • VINS-Mono：一个稳健而多才多艺的单目视觉惯性状态估计器

    VINS-Mono 是一个鲁棒且多用途的单眼视觉惯性状态估计器，通过结合预积分 IMU 测量和特征观察，采用紧耦合的非线性优化方法，利用波束法检测模块，实现最小计算开销的重定位，并进行四自由度位姿图优化以确保全局一致性，具有高精度和通用性。

    Aug, 2017

  • 可视惯性单目 SLAM 及地图复用

    本文介绍了一种新的紧密耦合的视觉惯性同时定位和建图系统，采用惯性测量单元进行初始测量，实现了零漂移定位，带有地图重用功能，并应用于单目相机的最一般问题。在微型飞行器公共数据集的 11 个序列中测试了该系统，证明了其比目前最先进的视觉惯性测量方法更为准确。

    Oct, 2016

  • 基于关键帧的视觉惯性在线 SLAM 与重定位

    本文提出了基于关键帧的视觉惯性同步定位与地图构建（SLAM）方法，通过在线环路闭合和非线性优化方法，使得我们的系统在单目和立体相机上具有实时、准确和鲁棒的位姿估计能力，支持先前建立地图的重定位和持续的 SLAM 操作，并在室内和户外公开数据集上展示了我们方法高精度、高效的性能。

    Feb, 2017

  • 机器人视觉惯性里程计

    本文提出了一种新颖的机器人中心视觉惯性导航系统的公式，在滑动窗口滤波框架内进行设计，使用单眼相机和 6 轴 IMU 实现高精度的运动跟踪，将 VINS 相对于运动的局部坐标系进行重构，以获得更高精度的相对运动估计，并提出 R-VIO 算法。该算法在 Monte Carlo 的模拟实验和真实环境实验中进行了广泛测试，并显示出在一些方面打破了当前技术的局限性。

    May, 2018

  • 点线地图中视觉惯性定位的全局最优共识最大化

    本文提出了一种基于全局优化的稳健方法，来解决基于地图的视觉惯性定位中的共识最大化问题，该问题的主要挑战是在变化环境下存在外点，该方法可以在高百分比的外点存在时仍实现确定性全局收敛。

    Feb, 2020

  • 具有非线性因子恢复的视觉惯性映射

    本研究提出了一种通过非线性因子恢复和捆绑调整的方法从视觉惯性测距（VIO）中提取有用信息，以实现全局一致的建图和提高准确性。在公共基准测试中，我们证明了该方法优于现有技术。

    Apr, 2019

  • DVI-SLAM: 双视觉惯性 SLAM 网络

    该论文提出了一种新颖的深度 SLAM 网络，将图像因素和投影因素通过多因素数据关联模块整合到端到端可微的结构中，动态学习和调整视觉因素的置信度图，实验证实该方法在多个公共数据集上显著优于现有方法，包括 TartanAir、EuRoC 和 ETH3D-SLAM。

    Sep, 2023

  • 多传感器全局位姿估计的通用基于优化的框架

    本文提出了一种传感器融合框架，通过姿态图优化来将现有的本地估计融合到全球传感器中，实现了本地准确和全球无漂移的姿态估计。

    Jan, 2019

  • SimpleMapping：实时的、基于视觉惯性的深度多视角稠密建图

    我们提出了一种实时的基于视觉惯性的稠密建图方法，可使用顺序单眼图像和惯性测量单元（IMU）读数进行增量式三维网格重建，并提出了稀疏点辅助的多视角深度学习神经网络 (SPA-MVSNet)，即使在噪声密集的情况下也能实现高质量的 3D 网格重建。

    Jun, 2023

  • H-SLAM: 混合直接 - 间接视觉 SLAM

    我们提出了一种新的方法来解决在混合单目 SLAM 中需要维护不同的本地和全局地图表示的问题，通过使用描述符共享来生成单个反深度场景表示，消除了分离且冗余的地图维护过程，并在本地中使用、全局查询以执行闭环，之间的多地图不漂移，且计算成本和内存占用仅为其他单目 SLAM 系统的一小部分。

    Jun, 2023