點(diǎn)云PCL免費(fèi)知識(shí)星球，點(diǎn)云論文速讀。

文章：Persistent Map Saving for Visual Localization for Autonomous Vehicles: An ORB-SLAM 2 Extension

作者：Felix Nobis?, Odysseas Papanikolaou, Johannes Betz and Markus Lienkamp

翻譯：particle

本文僅做學(xué)術(shù)分享，如有侵權(quán)，請(qǐng)聯(lián)系刪除。歡迎各位加入免費(fèi)知識(shí)星球，獲取PDF論文，歡迎轉(zhuǎn)發(fā)朋友圈分享快樂。

論文閱讀模塊將分享點(diǎn)云處理，SLAM，三維視覺，高精地圖相關(guān)的文章。公眾號(hào)致力于理解三維視覺領(lǐng)域相關(guān)內(nèi)容的干貨分享，歡迎各位加入我，我們一起每天一篇文章閱讀，開啟分享之旅,有興趣的可聯(lián)系微信dianyunpcl@163.com。

●論文摘要

自動(dòng)駕駛汽車的一個(gè)基本組成部分是能夠繪制環(huán)境地圖并在地圖上進(jìn)行自我定位。本文利用使用實(shí)時(shí)同步定位和制圖（SLAM）立體相機(jī)傳感器來(lái)感知環(huán)境并生成地圖。由于沒有使用地面真實(shí)地圖作為參考，并且誤差會(huì)隨著時(shí)間的推移而累積，因此存在錯(cuò)誤定位的風(fēng)險(xiǎn)。因此，我們首先建立并保存一張低行駛速度下環(huán)境視覺特征的地圖，并將其擴(kuò)展到ORBSLAM 2軟件包中。在第二次運(yùn)行中，我們重新加載地圖，然后在先前構(gòu)建的地圖上進(jìn)行定位。在先前構(gòu)建的地圖上加載和定位可以提高自動(dòng)駕駛車輛的連續(xù)定位精度。這個(gè)建圖保存功能在最初的ORB-SLAM 2實(shí)現(xiàn)中是沒有的。我們根據(jù)建立的SLAM地圖來(lái)評(píng)估KITTI數(shù)據(jù)集場(chǎng)景的定位精度。此外，我們還用自己的小型電動(dòng)模型車對(duì)數(shù)據(jù)進(jìn)行了定位測(cè)試。在特征豐富的環(huán)境中，對(duì)于平均縱向速度為36m/s的車輛，定位的相對(duì)平移誤差小于1%。定位模式具有更好的定位精度和更低的計(jì)算量。我們對(duì)ORB-SLAM2的貢獻(xiàn)源代碼將在以下網(wǎng)址公開：https://github.com/TUMFTM/orbslam-map-saving-extension。

●?相關(guān)工作與介紹

該工程是支持ROS的，定位模式時(shí)需要提供一個(gè)map文件，其中包含ORB SLAM類的對(duì)象：map、MapPoint、Keyframe和KeyframeDatabase，以及每個(gè)關(guān)鍵幀的DBoW2 BoWVector和FeatureVector。因此，我們創(chuàng)建了一個(gè)SaveMap方法，它在SLAM進(jìn)程結(jié)束時(shí)將此信息保存在二進(jìn)制文件中。對(duì)于連續(xù)運(yùn)行時(shí)，用戶可以通過(guò)設(shè)置文件指定是否加載地圖文件。如果用戶決定使用保存的地圖，則在系統(tǒng)啟動(dòng)時(shí)調(diào)用LoadMap方法，該方法加載保存的地圖和KeyframeDatabase，并將系統(tǒng)設(shè)置為定位模式。定位模式是自動(dòng)完成的，用戶無(wú)需在線手動(dòng)更改系統(tǒng)模式。SaveMap和LoadMap方法都集成在ORB-SLAM 2的系統(tǒng)類中，該類處理所有主要功能。圖1顯示了Orbslam2擴(kuò)展版本的流程圖。

項(xiàng)目的依賴項(xiàng)：

opencv

eigen3

boost

以及基于ROS的octomap

●?實(shí)驗(yàn)和結(jié)果

使用了KITTI公開數(shù)據(jù)集進(jìn)行系統(tǒng)的評(píng)估，且對(duì)比了室內(nèi)和室外的兩種場(chǎng)景進(jìn)行對(duì)比各種場(chǎng)景下的建圖和定位的精度。

室外提取ORB特征點(diǎn)的示意圖

室內(nèi)提取特征點(diǎn)的示意圖

? ?TUM數(shù)據(jù)集上快速駕駛和快速回放速度的比較（ localization fails (Lost Track)）

SLAM 與真值比較的準(zhǔn)確性

我們還試驗(yàn)了提高大滿貫的行駛速度。圖4顯示了快速和慢速SLAM的結(jié)果軌跡。對(duì)于高速運(yùn)行，SLAM模式下降不再能夠完成建圖功能，因?yàn)樘卣髌ヅ涫　＿@在圖中用紅色標(biāo)記。真值（灰色虛線），8m/s（藍(lán)色）和20m/s（黑色）的撞擊軌跡。更快的SLAM軌跡偏離地面的距離更遠(yuǎn)，在紅色標(biāo)記的位置跟蹤失敗。

?相對(duì)地圖的定位精度

●總結(jié)

這項(xiàng)工作提出了一個(gè)基于ORB-SLAM2擴(kuò)展，通過(guò)一個(gè)地圖保存功能的視覺SLAM系統(tǒng)。在原始的功能的基礎(chǔ)上進(jìn)行了擴(kuò)展功能，使系統(tǒng)可以作為一個(gè)SLAM模塊在慢速駕駛條件下建圖。而后在更高的速度下進(jìn)行定位，從而獲得更精確的軌跡估計(jì)。（低速建圖，快速可定位的SLAM功能）可用于室外和室內(nèi)環(huán)境中的定位。實(shí)驗(yàn)結(jié)果表明，在特征豐富的環(huán)境中，以36m/s的速度進(jìn)行定位是可行的。定位模塊所需的計(jì)算資源比SLAM建圖模塊少，但特征計(jì)算和匹配要求較高。

資源

三維點(diǎn)云論文及相關(guān)應(yīng)用分享

【點(diǎn)云論文速讀】基于激光雷達(dá)的里程計(jì)及3D點(diǎn)云地圖中的定位方法

3D目標(biāo)檢測(cè)：MV3D-Net

三維點(diǎn)云分割綜述（上）

3D-MiniNet: 從點(diǎn)云中學(xué)習(xí)2D表示以實(shí)現(xiàn)快速有效的3D LIDAR語(yǔ)義分割（2020）

win下使用QT添加VTK插件實(shí)現(xiàn)點(diǎn)云可視化GUI

JSNet：3D點(diǎn)云的聯(lián)合實(shí)例和語(yǔ)義分割

大場(chǎng)景三維點(diǎn)云的語(yǔ)義分割綜述

PCL中outofcore模塊---基于核外八叉樹的大規(guī)模點(diǎn)云的顯示

基于局部凹凸性進(jìn)行目標(biāo)分割

基于三維卷積神經(jīng)網(wǎng)絡(luò)的點(diǎn)云標(biāo)記

點(diǎn)云的超體素(SuperVoxel)

基于超點(diǎn)圖的大規(guī)模點(diǎn)云分割

更多文章可查看：點(diǎn)云學(xué)習(xí)歷史文章大匯總

SLAM及AR相關(guān)分享

【開源方案共享】ORB-SLAM3開源啦！

【論文速讀】AVP-SLAM：自動(dòng)泊車系統(tǒng)中的語(yǔ)義SLAM

【點(diǎn)云論文速讀】StructSLAM:結(jié)構(gòu)化線特征SLAM

SLAM和AR綜述

常用的3D深度相機(jī)

AR設(shè)備單目視覺慣導(dǎo)SLAM算法綜述與評(píng)價(jià)

SLAM綜述(4)激光與視覺融合SLAM

Kimera實(shí)時(shí)重建的語(yǔ)義SLAM系統(tǒng)

SLAM綜述(3)-視覺與慣導(dǎo)，視覺與深度學(xué)習(xí)SLAM

易擴(kuò)展的SLAM框架-OpenVSLAM

高翔：非結(jié)構(gòu)化道路激光SLAM中的挑戰(zhàn)

SLAM綜述之Lidar SLAM

基于魚眼相機(jī)的SLAM方法介紹

往期線上分享錄播匯總

第一期B站錄播之三維模型檢索技術(shù)

第二期B站錄播之深度學(xué)習(xí)在3D場(chǎng)景中的應(yīng)用

第三期B站錄播之CMake進(jìn)階學(xué)習(xí)

第四期B站錄播之點(diǎn)云物體及六自由度姿態(tài)估計(jì)

第五期B站錄播之點(diǎn)云深度學(xué)習(xí)語(yǔ)義分割拓展

第六期B站錄播之Pointnetlk解讀

[線上分享錄播]點(diǎn)云配準(zhǔn)概述及其在激光SLAM中的應(yīng)用

[線上分享錄播]cloudcompare插件開發(fā)

[線上分享錄播]基于點(diǎn)云數(shù)據(jù)的?Mesh重建與處理

[線上分享錄播]機(jī)器人力反饋遙操作技術(shù)及機(jī)器人視覺分享

[線上分享錄播]地面點(diǎn)云配準(zhǔn)與機(jī)載點(diǎn)云航帶平差

點(diǎn)云PCL更多活動(dòng)請(qǐng)查看：點(diǎn)云PCL活動(dòng)之應(yīng)屆生校招群

掃描下方微信視頻號(hào)二維碼可查看最新研究成果及相關(guān)開源方案的演示：

如果你對(duì)本文感興趣，請(qǐng)點(diǎn)擊“原文閱讀”獲取知識(shí)星球二維碼，務(wù)必按照“姓名+學(xué)校/公司+研究方向”備注加入免費(fèi)知識(shí)星球，免費(fèi)下載pdf文檔，和更多熱愛分享的小伙伴一起交流吧！

掃描二維碼

? ? ? ? ? ? ? ? ? ?關(guān)注我們

讓我們一起分享一起學(xué)習(xí)吧！期待有想法，樂于分享的小伙伴加入免費(fèi)星球注入愛分享的新鮮活力。分享的主題包含但不限于三維視覺，點(diǎn)云，高精地圖，自動(dòng)駕駛，以及機(jī)器人等相關(guān)的領(lǐng)域。

分享及合作方式：可聯(lián)系微信“920177957”（需要按要求備注）聯(lián)系郵箱：dianyunpcl@163.com，歡迎企業(yè)來(lái)聯(lián)系公眾號(hào)展開合作。

點(diǎn)一下“在看”你會(huì)更好看耶

總結(jié)

以上是生活随笔為你收集整理的基于ORB-SLAM2可持续保存地图的扩展方案的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。