[论文解读] Object-oriented SLAM using Quadrics and Symmetry Properties for Indoor Environments

Ziwei Liao, Wei Wang+5 more|arXiv (Cornell University)|Apr 11, 2020

Robotics and Sensor-Based Localization参考文献 34被引用 10

一句话总结

该论文提出了一种基于二次曲面表示和对称性先验的面向室内环境的面向对象SLAM框架，旨在在视点变化有限的情况下提升3D重建精度与收敛速度。通过融合RGB-D数据并利用人工物体的对称性，该方法实现了鲁棒的二次曲面初始化与遮挡恢复，在前向轨迹上优于最先进方法，展现出更高的鲁棒性与速度。

ABSTRACT

Aiming at the application environment of indoor mobile robots, this paper proposes a sparse object-level SLAM algorithm based on an RGB-D camera. A quadric representation is used as a landmark to compactly model objects, including their position, orientation, and occupied space. The state-of-art quadric-based SLAM algorithm faces the observability problem caused by the limited perspective under the plane trajectory of the mobile robot. To solve the problem, the proposed algorithm fuses both object detection and point cloud data to estimate the quadric parameters. It finishes the quadric initialization based on a single frame of RGB-D data, which significantly reduces the requirements for perspective changes. As objects are often observed locally, the proposed algorithm uses the symmetrical properties of indoor artificial objects to estimate the occluded parts to obtain more accurate quadric parameters. Experiments have shown that compared with the state-of-art algorithm, especially on the forward trajectory of mobile robots, the proposed algorithm significantly improves the accuracy and convergence speed of quadric reconstruction. Finally, we made available an opensource implementation to replicate the experiments.

研究动机与目标

• 解决在平面、前向移动机器人轨迹下基于二次曲面的SLAM中的可观测性问题。
• 降低对视角变化依赖以实现准确的二次曲面地标初始化。
• 利用室内人工物体的对称性推断被遮挡的部分，改善参数估计。
• 开发一种适用于实时室内移动机器人应用的稀疏、基于物体的SLAM系统。
• 提供开源实现以支持可复现性与进一步研究。

提出的方法

• 使用二次曲面表示3D物体，紧凑地编码位置、朝向与空间范围。
• 利用融合的RGB-D数据在单帧内完成二次曲面初始化，减少对轨迹驱动的视角多样性需求。
• 应用对称性先验，基于室内结构的几何规律性，估计物体缺失或被遮挡的部分。
• 结合物体检测与点云数据，优化二次曲面参数以提升鲁棒性。
• 将基于对称性的重建方法集成至SLAM优化框架中，以增强状态估计。
• 采用稀疏的基于物体的表示方式，在保持计算效率的同时提升地标精度。

实验结果

研究问题

• RQ1 在室内环境中，基于二次曲面的SLAM是否能在视点变化极小的情况下实现准确的3D重建？
• RQ2 对称性先验在SLAM中对被遮挡物体部分的估计改善程度如何？
• RQ3 与传统多视角方法相比，单帧二次曲面初始化在收敛速度与精度方面表现如何？
• RQ4 基于对称性的推理在多大程度上可减少机器人导航过程中对广泛视角变化的需求？
• RQ5 在前向移动轨迹上，该方法相较于最先进SLAM系统的表现如何？

主要发现

• 与最先进基于二次曲面的SLAM相比，所提方法在前向轨迹上显著提升了重建精度。
• 由于鲁棒的单帧二次曲面初始化，算法实现了更快的收敛速度。
• 基于对称性的遮挡恢复显著提升了二次曲面参数估计的准确性与完整性。
• 该方法降低了对视角多样性依赖，即使在运动受限条件下也能实现可靠性能。
• 已发布开源实现，支持实验的完全可复现性。
• 定量结果表明，在基准序列上，该方法在精度与收敛速度方面均表现更优。