【点云论文速读】StructSLAM:结构化线特征SLAM

点云PCL免费知识星球，点云论文速读。

标题：StructSLAM: Visual SLAM With Building Structure Lines

作者：Huizhong Zhou, Danping Zou

星球ID：particle

欢迎各位加入免费知识星球，获取PDF论文，欢迎转发朋友圈分享快乐。

●论文摘要

根据人工建筑环境的结构规律，提出了一种新的6自由度视觉同步定位与映射（SLAM）方法。使用建筑结构线作为定位和SLAM前端的特征。与其他线特征不同，建筑物结构线编码随时间限制相机航向的全局方位信息，从而消除累积的方向误差并减少位置漂移。使用扩展卡尔曼滤波器视觉SLAM方法，采用一种新的参数化方法来表示主导方向的结构线。实验已经在合成和真实世界场景中进行。结果表明，该方法在位置误差和方位误差方面明显优于现有方法。在公共RAWSEEDS数据集的室内场景测试中，虽然没有采用闭环算法，但借助于车轮里程计，该方法在967m闭合路径中约0.79m的位置误差。

●主要贡献

（1）通过一种新的参数化的方法，采用了三个主方向的结构线来实现6自由度的SLAM的全局约束，从而减小了整体漂移误差。使得六自由度的视觉SLAM在人造的建筑物环境中更加稳定和准确。

（2）由三维度的结构线构造的地图提供了场景的额外信息，有助于场景的建模和语义理解。

（3）该方法在室内停车场，自动服务机器人，等室内车辆技术的应用中具有潜在的应用场景。

●论文图集

该方法使用了机器人的里程计信息，用来做机器人的状态更新，使用了线特征的提取，使用RANSAC去除异常的线段，提出了一种以结构构造线为新特征与点特征互补的可视化6自由度SLAM方法。我们的方法在合成场景和真实场景中都得到了验证。结果表明，对于缺乏点特征的室内环境，传统的基于点的SLAM会产生较大的漂移误差甚至失效，而我们的方法在处理结构线时效果良好，并且由于相机方位角的全局约束，漂移误差小得多。结果表明，当场景中存在不与三个主要方向对齐的线段时，该方法仍然通过采用鲁棒数据关联方法工作良好，表明了该方法的鲁棒性。

●英文摘要

We propose a novel 6-degree-of-freedom (DoF) visualsimultaneous localization and mapping (SLAM) method based onthe structural regularity of man-made building environments. Theidea is that we use the building structure lines as features forlocalization and mapping. Unlike other line features, the buildingstructure lines encode the global orientation information thatconstrains the heading of the camera over time, eliminating theaccumulated orientation errors and reducing the position driftin consequence. We extend the standard extended Kalman filtervisual SLAM method to adopt the building structure lines with anovel parameterization method that represents the structure linesin dominant directions. Experiments have been conducted in bothsynthetic and real-world scenes. The results show that our methodperforms remarkably better than the existing methods in terms ofposition error and orientation error. In the test of indoor scenes ofthe public RAWSEEDS data sets, with the aid of a wheel odometer,our method produces bounded position errors about 0.79 m alonga 967-m path although no loop-closing algorithm is applied.