专栏首页arxiv.org翻译专栏在室内环境中使用二次曲面和对称属性的面向对象SLAM(CS RO)
原创

在室内环境中使用二次曲面和对称属性的面向对象SLAM(CS RO)

针对室内移动机器人的应用环境,提出了一种基于RGB-D摄像机的稀疏对象级SLAM算法。二次表示用作界标以紧凑地建模对象,包括对象的位置,方向和占用的空间。现有的基于二次曲面的SLAM算法面临着由可移动机器人的平面轨迹下有限的视角导致的可观察性问题。为了解决该问题,该算法融合了目标检测和点云数据,以估计二次参数。它基于RGB-D数据的单个帧完成二次初始化,从而大大减少了对透视图更改的需求。由于经常在本地观察物体,因此该算法利用室内人工物体的对称特性来估计遮挡部分,以获得更准确的二次参数。实验表明,与现有算法相比,尤其是在移动机器人的前向轨迹上,该算法显着提高了二次重构的精度和收敛速度。最后,我们提供了一个开源实现来复制实验。

原文题目:Object-oriented SLAM using Quadrics and Symmetry Properties for Indoor Environments

原文:Aiming at the application environment of indoor mobile robots, this paper proposes a sparse object-level SLAM algorithm based on an RGB-D camera. A quadric representation is used as a landmark to compactly model objects, including their position, orientation, and occupied space. The state-of-art quadric-based SLAM algorithm faces the observability problem caused by the limited perspective under the plane trajectory of the mobile robot. To solve the problem, the proposed algorithm fuses both object detection and point cloud data to estimate the quadric parameters. It finishes the quadric initialization based on a single frame of RGB-D data, which significantly reduces the requirements for perspective changes. As objects are often observed locally, the proposed algorithm uses the symmetrical properties of indoor artificial objects to estimate the occluded parts to obtain more accurate quadric parameters. Experiments have shown that compared with the state-of-art algorithm, especially on the forward trajectory of mobile robots, the proposed algorithm significantly improves the accuracy and convergence speed of quadric reconstruction. Finally, we made available an opensource implementation to replicate the experiments.

原文作者:Ziwei Liao,Wei Wang,Xianyu Qi,Xiaoyu Zhang,Lin Xue,Jianzhen Jiao,Ran Wei

原文地址:https://arxiv.org/abs/2004.05303

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 推和拖:水果收获机器人的主动障碍物分离方法(CS RO)

    选择性地采摘被障碍物包围的目标水果是水果收获机器人的主要挑战之一。与传统的避障方法不同,本文提出了一种结合了推和拖动作的主动式障碍物分离策略。分离运动和轨迹是基...

    时代在召唤
  • 具有主要和次要代理以及非高斯噪声的分散线性二次系统(CS RO)

    我们考虑具有主要代理人和次要代理人的分散线性二次系统。代理商的动力和二次成本是耦合的。尤其是动力学是线性的。主要代理的状态和控制行为会影响所有次要代理的状态演变...

    时代在召唤
  • Coq Proof Assistant的策略学习与证明(CS AI)

    我们提出了一种利用机器学习在Coq Proof Assistant中进行战术证明搜索的系统。 与HOL4的Tactic Toe项目类似,我们的系统预测适当的战术...

    时代在召唤
  • Dump Table Structure in SQLite3

    Best answer to the question Use PRAGMA table_info

    技术小黑屋
  • 苹果PLA1.2 - 5.2.1条款 -3.2.1条款解决方案

    大势已经的ios马甲包无法上架=只有借用资质。从17年彩票,棋牌马甲包大批大批的袭来。很多公司都在花重金找人上架马甲包,期初可以的,但是现在已经泛滥了,咱党的政...

    jiang chen
  • 手把手教强化学习1: Q-learning 十步实现猫捉耗子视频及代码

    用户1908973
  • ORA-12519的错误和解决

    版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。 ...

    bisal
  • 图片语义级属性轻松改变

    论文: Deep Feature Interpolation for Image Content Changes

    用户1908973
  • Redis 为什么这么快?(9)

    因为单线程已经够用了,CPU不是redis的瓶颈。Redis的瓶颈最有可能是机器内存或者网络带宽。既然单线程容易实现,而且CPU不会成为瓶颈,那就顺理成章地采用...

    兜兜毛毛
  • 聊聊flink LocalEnvironment的execute方法

    flink-java-1.6.2-sources.jar!/org/apache/flink/api/java/DataSet.java

    codecraft

扫码关注云+社区

领取腾讯云代金券