【泡泡一分钟】松耦合的半直接法单目SLAM

每天一分钟，带你读遍机器人顶级会议文章

标题：Loosely-Coupled Semi-Direct Monocular SLAM

作者：Seong Hun Lee and Javier Civera

来源：International Conference on Robotics and Automation (ICRA)，2019

编译：路超

审核：黄思宇，孙钦

欢迎个人转发朋友圈；其他机构或自媒体如需转载，后台留言申请授权

本文提出了一种新颖的单目同步定位与建图（SLAM）方法，该方法结合了直接法和特征点法的优势。提出的对直接法视觉里程计和基于特征点法松耦合的SLAM执行三个层次的并行优化：（1）联合局部特征和相机运动的光度捆集调整（BA）；（2）改善关键帧位姿和相关联地图点的几何BA；（3）存在闭环检测时全局地图一致性的位姿图优化。这是通过将基于特征的边缘化关键帧的操作限制为使用直接法里程计模块实时实现的。对两个数据集的详细评估表明，我们的系统在总体准确性和鲁棒性方面优于最新的单目里程计和SLAM系统。

贡献：      

（1）局部：对于局部精度来说，使用直接法能够鲁棒，短期，半稠密并且迅速的来跟踪相机的位姿，

（2）全局：使用基于特征点发来改善关键帧的位姿，同时进行回环检测。建立了一个可以复用的全局，长期，稀疏特征点的地图。

算法已开源在：                                                                          https://github.com/sunghoon031/LCSD_SLAM

图1 （顶部）特征点法和直接法结合的单目SLAM，前者用于短时间的局部地图构建（蓝色部分），后者用于构建全局地图（红色和绿色）；（底部）从左至右依次是当前帧，具有颜色编码深度的最新直接关键帧，具有匹配特征的最新基于特征点的关键帧（红色）和基于直接法的地图点的投影（蓝色）

图2 系统框图。系统包括两个并行模块：基于直接法的模块是跟踪每一个新来的帧与最后一个关键帧，并计算光度BA。另一个是基于特征的模块，利用直接模块的边缘化信息重建全局一致的地图和关键帧轨迹。

图3 [TUM-mono VO]序列40中特征点法重建失败：在t1和t2处，基于特征的模块由于场景中缺少特征而失败，而直接模块能够跟踪高梯度像素。在t3时，场景包含足够数量的特征，并且可以在直接法模块的帮助下初始化其深度。

图4 在EUROC和TUM数据集算法对比结果。累积误差图汇总（a）在所有EuRoC MAV序列的所有运行中均发生绝对轨迹误差[m]，并且（b）在所有TUM monoVO序列的所有运行中均产生对齐误差[m]。曲线越接近y轴，精度越高，因为它意味着运行次数少且误差小。曲线的终点距离x轴越远，鲁棒性就越高，因为这意味着可以进行更多次运行而不会出现跟踪失效。

图5 实验结果。以中值精度估算的样本轨迹。所有序列都具有在相同位置处开始和结束的地面真实轨迹。对于几个序列，ORB-SLAM反复丢失跟踪，而DSO一直有漂移。另一方面，我们的系统大部分时间跟踪整个轨迹并且能够回环。

Abstract

We propose a novel semi-direct approach for monocular simultaneous localization and mapping (SLAM) that combines the complementary strengths of direct and featurebased methods. The proposed pipeline loosely couples direct odometry and feature-based SLAM to perform three levels of parallel optimizations: (1) photometric bundle adjustment (BA) that jointly optimizes the local structure and motion, (2) geometric BA that refines keyframe poses and associated feature map points, and (3) pose graph optimization to achieve global map consistency in the presence of loop closures. This is achieved in real-time by limiting the feature-based operations to marginalized keyframes from the direct odometry module. Exhaustive evaluation on two benchmark datasets demonstrates that our system outperforms the state-of-the-art monocular odometry and SLAM systems in terms of overall accuracy and robustness.

如果你对本文感兴趣，请点击点击阅读原文下载完整文章，如想查看更多文章请关注【泡泡机器人SLAM】公众号（paopaorobot_slam）。

欢迎来到泡泡论坛，这里有大牛为你解答关于SLAM的任何疑惑。

有想问的问题，或者想刷帖回答问题，泡泡论坛欢迎你！

泡泡网站：www.paopaorobot.org

泡泡论坛：http://paopaorobot.org/bbs/

商业合作及转载请联系liufuqiang_robot@hotmail.com