[论文解读] Closed-form Solution for IMU based LSD-SLAM Point Cloud Conversion into the Scaled 3D World Environment

Sergey Triputen, Kristiaan Schreve+2 more|arXiv (Cornell University)|Jul 19, 2017

Robotics and Sensor-Based Localization参考文献 4被引用 3

一句话总结

本文提出了一种闭式解法，利用IMU数据将LSD-SLAM的单目、未缩放点云转换为度量准确的三维世界坐标系。通过校正尺度和方向误差的变换对相机轨迹与点云进行对齐，该方法实现了精确、与真实世界对齐的三维重建，适用于机器人路径规划等应用。

ABSTRACT

SLAM is a very popular research stream in computer vision and robotics nowadays. For more effective SLAM implementation it is necessary to have reliable informa- tion about the environment, also the data should be aligned and scaled according to the real world coordinate system. Monocular SLAM research is an attractive sub-stream, because of the low equipment cost, size and weight. In this paper we present a way to build a conversion from LSD-SLAM coordinate space to the real world coordinates using a true metric scale with IMU sensor data implementation. The causes of differences between the real and calculated spaces are explained and the possibility of conversions between the spaces is proved. Additionally, a closed-form solution for inter space trans- formation calculation is presented. The synthetic method of generating high level accurate and well controlled input data for the LSD-SLAM algorithm is presented. Finally, the reconstructed 3D environment representation is delivered as an output of the implemented conversion.

研究动机与目标

• 解决LSD-SLAM等单目SLAM系统缺乏度量尺度的问题，该问题限制了其与真实世界机器人系统的集成。
• 克服将LSD-SLAM的相对、未缩放三维点云转换为全局对齐、度量准确表示的挑战。
• 通过融合IMU数据与LSD-SLAM输出，实现可靠的三维环境重建，以支持路径规划与障碍物检测。
• 开发一种基于Blender的合成仿真框架，生成受控的、高保真的输入数据，用于算法验证。
• 提供一种闭式变换，以校正LSD-SLAM内部坐标系与真实世界之间的尺度和方向偏差。

提出的方法

• 使用Blender中的合成三维环境，生成具有受控纹理、光照和运动的逼真图像序列，作为LSD-SLAM的输入。
• 模拟IMU数据（加速度和角速度）以提供相机轨迹估计的真值运动信息。
• 应用从IMU数据和LSD-SLAM估计轨迹推导出的闭式变换，以校正尺度和方向。
• 利用该变换将LSD-SLAM的点云重新投影到真实世界坐标系中，使其轴线和尺度与真值对齐。
• 通过在MATLAB中将变换后的点云与已知的Blender生成真值进行比较，验证该方法。
• 将最终输出表示为八叉树网格，以实现高效的三维空间表示并支持下游机器人应用。

实验结果

研究问题

• RQ1 能否推导出一种闭式变换，将LSD-SLAM的未缩放、相对三维点云转换为度量准确的三维世界坐标系？
• RQ2 在合成环境中，IMU数据在多大程度上可用于校正LSD-SLAM输出的尺度和方向？
• RQ3 初始化动态对尺度收敛有何影响？如何实现稳定化？
• RQ4 该变换在多大程度上保持了几何保真度并实现与真实世界环境的对齐？
• RQ5 该方法能否可靠地生成适合机器人任务（如路径规划）的度量缩放三维重建？

主要发现

• 所提出的闭式变换成功地将LSD-SLAM的点云与真实世界坐标系对齐，实现了正确的尺度和方向。
• 尺度因子在约4,300帧后收敛，此后性能保持稳定，尽管存在轻微波动。
• Blender中的真值路径长度为195.12米，而LSD-SLAM估计的路径仅为12.6单位，表明校正前存在显著的尺度偏差。
• 校正后，点云几何结构和相机路径与Blender生成的真值在MATLAB中验证后完全对齐。
• 该方法可实现可靠的三维重建，适用于路径规划和障碍物规避等下游机器人应用。
• 尺度系数并非随时间恒定，需动态调整，尤其是在重复或循环轨迹期间。