DCSLAM：动态约束下实时SLAM算法研究.pdfVIP

DCSLAM：一种动态约束的实时SLAM

达塔·拉马达桑，蒂埃里··谢瓦尔多内

帕斯卡·布莱斯研

究所奥比埃尔，法国ISIT奥弗涅大学

克莱蒙费朗，法国

环境来约束重建并提高定位的准确性。在[9],中，通过

我们提出了一种新的实时CSLAM算法（约束同时定位与将由精确的被观察物体模型的约束添加到[4]中引入

建图），命名为DCSLAM（动态约束SLAM），旨在动的BA中，以约束物体的3D点。然而，这种方法不适用于

态适应每个优化过程中的参数族数量变化和异构约束。涉及许多粗略初始化和建模的物体的应用，因为在

我们使用了一种自动方法，从一个全面的约束列表中生CSLAM过程中，物体的姿态和形状没有进行优化。其他

成的优化算法。据我们所知，这是唯一结合了灵活工作使用多视图立体系统[11]或深度传感器

性和性能的实现。实验结果表明，我们的方法在精度和[12,13,14,15]来重建3D形状。在[16],中，Dame等人

执行时间方面优于现有技术，并在多个复杂度不同的公使用密集SLAM利用3D形状先验构建深度图。然而，与

开基准测试中得到了验证。此外，还了一个混合异稀疏方法相比，此解决方案需要的额外计算。与上述

构对象和约束的增强现实应用。工作不同，我们处理的是一个更普遍的情况，即物体并不

总是可见：它们上被粗略检测到，作为BA中的额外

约束使用，然后在不再可见时被移除。这导致了一个涉及

索引术语—SLAM，实时，束调整，元编程，增强现参数族数量可变的动态SLAM模型。因此，优化算法必

实。须适应具有可变约束配置的动态情况。可用于解决此优化

12

问题的两种现有技术库是Ceres和g2o。它们能够管理

1.引言

多种类型的约束，但需要将问题的数据结构重写为特定格

SLAM技术同时计算相机的3D姿态和环境特征，使用式。此外，这些框架的通用性基于C++语言的继承，这

一系列时间顺序排列的图像。为了解决这个问题，使用会影响性能。为了克服现有技术的替代方案，我们还

3

了两种不同的形式化方法：基于递归贝叶斯滤波的概率提出了一种新的优化库，名为LMA,开源，用C++编写，

方法[1],和基于束调整的优化方法[2]。在本文中，我并基于编译时（CT）自动生成代码。LMA生成专门用

们关注束调整（BA）方法，这些方法在准确性和执行时