结构化环境下基于点线面特征融合的 SLAM 算法

来源：计算机技术与发展杂志2023年第07期北京时间：

作者：曹一波;赵鹏飞;朱海文;刘顺;张智辉

单位：华南师范大学 软件学院,广东 佛山 528200 Author(s): CAO Yi-bo;ZHAO Peng-fei;ZHU Hai-wen;LIU Shun;ZHANG Zhi-hui School of Software,South China Normal University,Foshan 528200,China 关键词: 点线面特征;SuperPoint;同时定位与地图构建;结构化环境;重投影误差 Keywords: point-line-plane feature;SuperPoint;SLAM;structured environment;reprojection error 分类号: TP242. 6+2 DOI: 10. 3969 / j. issn. 1673-629X. 2023. 07. 013 摘要: 结构化场景中,存在着低纹理表面为特征的人造环境,基于点特征的 SLAM ( Simultaneous Localization and Mapping,同时定位与地图构建) 算法难以得到足够的匹配点对,从而导致相机估计运动失败。 除了点之外,结构化环境提供了大量的几何特征,例如线和平面。 因此,提出一种基于点线面特征融合的 SLAM 算法。 算法将基于深度学习的 SuperPoint 点特征与传统线面特征相结合,利用结构化场景的特性,将位姿解耦细化。 首先,使用线面特征构建 MW( Manhattan World,曼哈顿世界) 坐标系,利用每一时刻相机与 MW 坐标系的相对旋转得到相机之间的旋转矩阵;然后,构建点线面特征的重投影误差函数,通过最小化联合误差函数得到平移矩阵;最后,根据结构化环境下平面间相互垂直和平行的特性添加约束函数,同时为弥补环境中出现不严格遵守 MW 假设的情况,使用关键帧构建的局部地图投影到当前帧进一步优化位姿。 在TUM 公开数据集上与主流方法对比表明,该算法有效提升了结构化低纹理环境下的 SLAM 定位精度。

摘要：结构化场景中,存在着低纹理表面为特征的人造环境,基于点特征的 SLAM ( Simultaneous Localization and Mapping,同时定位与地图构建) 算法难以得到足够的匹配点对,从而导致相机估计运动失败。 除了点之外,结构化环境提供了大量的几何特征,例如线和平面。 因此,提出一种基于点线面特征融合的 SLAM 算法。 算法将基于深度学习的 SuperPoint 点特征与传统线面特征相结合,利用结构化场景的特性,将位姿解耦细化。 首先,使用线面特征构建 MW( Manhattan World,曼哈顿世界) 坐标系,利用每一时刻相机与 MW 坐标系的相对旋转得到相机之间的旋转矩阵;然后,构建点线面特征的重投影误差函数,通过最小化联合误差函数得到平移矩阵;最后,根据结构化环境下平面间相互垂直和平行的特性添加约束函数,同时为弥补环境中出现不严格遵守 MW 假设的情况,使用关键帧构建的局部地图投影到当前帧进一步优化位姿。 在TUM 公开数据集上与主流方法对比表明,该算法有效提升了结构化低纹理环境下的 SLAM 定位精度。

关键词：点线面特征;SuperPoint;同时定位与地图构建;结构化环境;重投影误差