目前室內(nèi)RGB-D SLAM的sota方法有哪些呢?
由于室內(nèi)場景的稠密三維重建是一個非?;馃岬难芯款I(lǐng)域了,到目前為止出現(xiàn)了許許多多好的研究工作,恕能力和時間的限制,不能進(jìn)行一一介紹,所以對目前一些比較常用的RGB-D SLAM解決方案進(jìn)行介紹。
1.BundleFusion
BundleFusion是一種稠密的實(shí)時室內(nèi)場景三維重建算法框架。輸入為RGB-D相機(jī)采集的并且是對齊好的RGB圖像和深度圖的數(shù)據(jù)流。輸出為重建好的稠密三維場景模型。
整個算法流程如下圖所示:
其優(yōu)點(diǎn)在于重建效果在所有RGB-D SLAM中靠前,支持在GPU上實(shí)時魯棒跟蹤,可以在跟蹤失敗時移動到重建成功的地方進(jìn)行重定位,匹配上后繼續(xù)跟蹤。
但是缺點(diǎn)在于由于成像傳感器存在噪音,稀疏關(guān)鍵點(diǎn)匹配可能產(chǎn)生小的局部誤匹配。這些誤匹配可能會在全局優(yōu)化中傳播,導(dǎo)致誤差累積。實(shí)際重建時效果和所使用深度相機(jī)的性能、待重建場景的紋理豐富程度關(guān)系很大。
論文獲取地址:http://arxiv.org/pdf/1604.01093.pdf
項目地址:https://graphics.stanford.edu/projects/bundlefusion/
源碼獲取地址:https://github.com/niessner/BundleFusion
2.InfiniTAM
InfiniTAM是牛津大學(xué)于2016年發(fā)表的稠密SLAM方案,目前已經(jīng)發(fā)展到了v3版本,該方案基于KinectFusion和體素塊哈希表發(fā)展而來。首先,InfiniTAM方案在建圖部分利用TSDF模型(截斷符號距離場)進(jìn)行建模,只是在建模的時候,不是對整個空間都劃分等大小的網(wǎng)格,而是只在場景表面的周圍劃分網(wǎng)格,且只為待重建的表面上的體素塊分配顯存,并使用哈希表這一結(jié)構(gòu)來管理GPU對體素塊的內(nèi)存分配和數(shù)據(jù)訪問。通過這樣的方法,InfiniTAM 大大減小了稠密建圖對 GPU 的內(nèi)存消耗,提升了算法效率。
算法流程如下圖所示:
項目地址:https://www.robots.ox.ac.uk/~victor/infinitam/index.html
代碼獲取地址:https://github.com/victorprad/InfiniTAM
3.RTAB-Map
RTAB-Map(基于外觀的實(shí)時映射)是一種基于RGB-D、立體和激光雷達(dá)的SLAM算法框架,它以基于外觀的增量閉環(huán)檢測為基礎(chǔ)。閉環(huán)檢測使用詞袋法來確定新圖像來自先前位置或新位置的可能性。當(dāng)閉環(huán)檢測假設(shè)被接受時,一個新的約束將被添加到地圖的圖形中,然后圖形優(yōu)化器將地圖中的誤差最小化。RTAB-Map可單獨(dú)與手持Kinect、立體攝像頭或3D激光雷達(dá)配合使用,用于6DoF地圖繪制;也可與配備激光測距儀的機(jī)器人配合使用,用于3DoF地圖繪制。
算法流程如下圖所示:
其優(yōu)點(diǎn)在于定位精度很準(zhǔn),支持視覺、激光傳感器,支持跨平臺、ROS,在線處理
缺點(diǎn)在于魯棒性不是很好,如果建圖時間和重定位時間間隔得比較久,或者光線變化都很明顯的話,重定位會失敗。而且點(diǎn)云網(wǎng)格化用possion重建,不是主流的TSDF,速度會慢。
項目地址:https://introlab.github.io/rtabmap/
代碼獲取地址:https://github.com/introlab/rtabmap
4.ORB-SLAM3
在前作ORB-SLAM2的基礎(chǔ)上,大佬于2020年7月開源了ORB-SLAM3的論文和源碼。ORB-SLAM3支持的設(shè)備和功能更多,支持單目、雙目、RGB-D相機(jī),針孔、魚眼,視覺慣性里程計,多地圖等,幾乎覆蓋了視覺SLAM各個分支??傮w來說,ORB-SLAM3基本框架、代碼結(jié)構(gòu)都是ORB-SLAM2的延伸,但是加入了很多新的方法,實(shí)現(xiàn)了更好的效果。
主要系統(tǒng)架構(gòu)如下圖所示:
論文獲取地址:https://arxiv.org/pdf/2007.11898.pdf
審核編輯:黃飛
-
機(jī)器人
+關(guān)注
關(guān)注
213文章
29748瀏覽量
212928 -
gpu
+關(guān)注
關(guān)注
28文章
4948瀏覽量
131255 -
SLAM
+關(guān)注
關(guān)注
24文章
441瀏覽量
32506 -
激光雷達(dá)
+關(guān)注
關(guān)注
971文章
4236瀏覽量
192888
原文標(biāo)題:室內(nèi)RGB-D SLAM解決方案有哪些?
文章出處:【微信號:3D視覺工坊,微信公眾號:3D視覺工坊】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。
發(fā)布評論請先 登錄
動態(tài)環(huán)境中基于神經(jīng)隱式表示的RGB-D SLAM

RGB接口靜電放電防護(hù)方案
如何去開發(fā)一款基于RGB-D相機(jī)與機(jī)械臂的三維重建無序抓取系統(tǒng)
基于RGB-D圖像物體識別方法

結(jié)合背景與前景的RGB-D圖像顯著性檢測模型

基于UWB、里程計和RGB-D融合的室內(nèi)定位方法

用于SLAM的神經(jīng)隱含可擴(kuò)展編碼
用于快速高保真RGB-D表面重建的神經(jīng)特征網(wǎng)格優(yōu)化的GO-Surf
基于RGB-D相機(jī)的三維重建和傳統(tǒng)SFM和SLAM算法有什么區(qū)別?
用于神經(jīng)場SLAM的矢量化對象建圖

瞄準(zhǔn)AGV/AMR領(lǐng)域-維感科技發(fā)布高性價比RGB-D ToF相機(jī)DS86/87

一個動態(tài)環(huán)境下的實(shí)時語義RGB-D SLAM系統(tǒng)

一種基于RGB-D圖像序列的協(xié)同隱式神經(jīng)同步定位與建圖(SLAM)系統(tǒng)

一種適用于動態(tài)環(huán)境的實(shí)時RGB-D SLAM系統(tǒng)

評論