MSC-VO: 基于曼哈顿和结构约束的视觉里程计（CVPR 2021）

作者丨paopaoslam

来源丨泡泡机器人SLAM

标题：MSC-VO: Exploiting Manhattan and Structural Constraints for Visual Odometry

作者：Joan P. Company-Corcoles, Emilio Garcia-Fidalgo and Alberto Ortiz

来源：CVPR 2021

编译：廖邦彦

审核：阮建源 王志勇

摘要

视觉里程计算法在面对低纹理场景时，往往会退化。例如，人造环境往往很难找到足够数量的点特征。而其他的几何视觉线索，如线，通常可以在这些场景中找到，可以变得特别有用。此外，这些场景通常表现出结构规律，如平行性或正交性，满足曼哈顿世界的假设。在此前提下，在本工作中，我们介绍了MSC-VO，一种基于rgb-d的视觉里程计方法，它结合了点和线特征，如果存在，可以利用这些结构规正和场景的曼哈顿轴。在我们的方法中，这些结构约束最初被用来准确地估计提取的线的三维位置。这些约束还与估计的曼哈顿轴和点和线的重投影误差相结合，通过局部地图优化来细化相机姿态。这种组合使我们的方法即使在没有上述约束的情况下也能够运行，从而允许该方法在更广泛的场景中工作。此外，我们提出了一种新的主要依赖于线特征的多视点曼哈顿轴估计方法。MSC-VO使用几个公共数据集进行评估，性能优于其他最先进的解决方案，甚至于与一些SLAM方法比较不相上下。

Motivation

<>

<>

<>