PL-GM:RGB-D SLAM mit einem neuartigen 2D- und 3D-geometrischen Beschränkungsmodell von Punkt- und Linienmerkmalen

In der Studie über RGB-D SLAM (Simultane Lokalisierung und Kartierung) wurden zwei Arten primärer visueller Merkmale, Punkt- und Linienmerkmale, weitreichend genutzt, um die Kameraposition zu berechnen. Da eine RGB-D-Kamera RGB- und Tiefeninformationen gleichzeitig erfassen kann, verwenden die meisten RGB-D-SLAM-Methoden nur die 2D-Informationen innerhalb der Punkt- und Linienmerkmale. Um eine höhere Genauigkeit der Kameraposition zu erzielen und die 2D- und 3D-Informationen innerhalb von Punkten und Linien besser zu nutzen, wird in diesem Papier ein neuartiges geometrisches Beschränkungsmodell von Punkten und Linien (PL-GM) unter Verwendung einer RGB-D-Kamera vorgeschlagen. Unsere Beiträge sind dreifach. Erstens werden die 3D-Punkte und -Linien, die durch eine RGB-D-Kamera in Kombination mit 2D-Punkt- und Linienmerkmalen erzeugt werden, genutzt, um das PL-GM zu etablieren, was sich von den meisten Modellen des Punktlinien-SLAM (PL-SLAM) unterscheidet. Zweitens werden neben dem 2D-Reprojektionsfehler der Punkt- und Linienmerkmale die Beschränkungsfehler von 3D-Punkten und -Linien ebenfalls konstruiert und minimiert, und dann wird ein einheitliches Optimierungsmodell auf Basis des PL-GM auf das Bündelanpassungsmodell (BA) erweitert. Schließlich wurden umfassende Experimente an zwei öffentlichen Benchmark-RGB-D-Datensätzen und einer realen Szenenfolge durchgeführt. Diese experimentellen Ergebnisse zeigen, dass unsere Methode eine vergleichbare oder bessere Leistung als die modernsten SLAM-Methoden basierend auf Punkt- und Linienmerkmalen sowie Punktmerkmalen erreicht.