Key points are not available for this paper at this time.
In den letzten Jahren hat sich die visuelle SLAM-Technologie erheblich weiterentwickelt. SLAM-Systeme basieren normalerweise auf natürlichen Merkmalpunkten, um präzise Bewegungsinformationen zu erlangen. Diese Methoden stoßen jedoch häufig auf Verfolgungsfehler in Szenen mit schwachen oder sich wiederholenden Texturen. Dieses Papier schlägt ein markierungsbasiertes visuelles SLAM-System vor, indem es markerbasierte und merkmalpunktbasierte Hinweise kombiniert. Wir verwenden Marker-Punkt-Hinweise beim Tracking und extrahieren Marker-Ebenen-Hinweise aus geometrischen Linien in der Kartierung. ORB-Merkmalpunkte, Markermerkmale und Ebenenmerkmale tragen gemeinsam zur lokalen Kartenoptimierung bei. Unsere Methode wurde mit den neuesten SLAM-Systemen sowohl auf dem öffentlichen Datensatz als auch auf unserem Datensatz verglichen. Die Ergebnisse zeigen, dass unsere Methode die Genauigkeit in Szenen mit schwachen Texturen verbessert und die Robustheit in herausfordernden texturlosen Regionen erhöht.
Zhang et al. (Thu,) haben diese Frage untersucht.
Synapse has enriched 4 closely related papers on similar clinical questions. Consider them for comparative context: