【泡泡一分钟】持续更新地图的场景管理

每天一分钟，带你读遍机器人顶级会议文章

标题：View management for lifelong visual maps

作者：Nandan Banerjee, Ryan C. Connolly, Dimitri Lisin, Jimmy Briggs, and Mario E. Munich

来源：IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)，2019

编译：杨雨生

审核：黄思宇，孙钦

这是泡泡一分钟推送的第 525 篇文章，欢迎个人转发朋友圈；其他机构或自媒体如需转载，后台留言申请授权

摘要

在基于图的视觉SLAM系统当中，观测系统和闭环系统的时间复杂度是与地图中存储的场景（view）的数量相关的函数。一些算法，比如近似最近邻搜索可以使这个函数达到亚线性的程度。尽管如此，随着时间的推移，view的数量会不断增加，终将会使系统的运行速度和精度变得不可接受，特别是在计算力和内存收到约束的SLAM系统当中。但是不是所有的场景的重要性都是一样的。有一些view很少被观测到，这是由于view可能是在非正常光照条件下创建的，或者是由低质量的图像构建而成，也有可能场景位置的外观已经发生了变化。对于这些view，可以将他们移除从而提高SLAM系统的表现。在本文中，作者提出一种在视觉SLAM系统中，去除这些view的方法，从而使系统在长时间运行时，依然能够保持速度和精度。

图1 机器人观测到的场景中的一个view，红色十字是检测到的keypoint。

图2 机器人运行十分钟后生成的图结构，其中青色倒三角形表示位姿节点，红色，黄色和绿色的倒三角分别表示新观测，稍微观测和经常观测到的view 节点。

图3 上图显示的是机器人在同一个环境中，不同的光照条件下运行多次，随着时间的推移，观测到的view的个数在增加。

图4 根据view分数进行裁剪后，环境中剩下的view的位置。图中的view的位置是不均匀分布的。

图5 在同样的环境中，应用最近邻约束后，view的位置呈现均匀分布。

图6 作者在不同的地图上进行了测试。

Abstract

The time complexity of making observations and loop closures in a graph-based visual SLAM system is a function of the number of views stored [1], [2]. Clever algorithms, such as approximate nearest neighbor search, can make this function sub-linear. Despite this, over time the number of views can still grow to a point at which the speed and/or accuracy of the system becomes unacceptable, especially in computation- and memory-constrained SLAM systems. However, not all views are created equal. Some views are rarely observed, because they have been created in an unusual lighting condition, or from low quality images, or in a location whose appearance has changed. These views can be removed to improve the overall performance of a SLAM system. In this paper, we propose a method for pruning views in a visual SLAM system to maintain its speed and accuracy for long term use.