Всесторонний обзор алгоритмов визуального SLAM
A Comprehensive Survey of Visual SLAM Algorithms
2022-02-10
SCID: 54.1/w3f6gc5p
Discuss with AI
RGB-D SLAMэталонные наборы данныхоценка позы сенсоравизуальный SLAMвизуально-инерциальный SLAM
Figures from the paper
Abstract (AI)
Методы одновременной локализации и построения карты (SLAM) широко исследуются, поскольку позволяют одновременно создавать карту и оценивать позу сенсора в неизвестной среде. Методы визуального SLAM играют значительную роль в этой области, поскольку основаны на недорогих и компактных сенсорных системах, что обеспечивает им преимущества по сравнению с методами SLAM, использующими другие типы сенсоров. В литературе представлены различные подходы и методы реализации систем визуального SLAM. Среди этого многообразия публикаций начинающие специалисты могут столкнуться с трудностями при выявлении и анализе основных алгоритмов, а также при выборе наиболее подходящего алгоритма с учетом ограничений их проекта. Поэтому мы рассматриваем три основных подхода к визуальному SLAM — только визуальный, визуально-инерциальный и RGB-D SLAM, — представляя обзор основных алгоритмов каждого подхода с помощью диаграмм и блок-схем и выделяя ключевые преимущества и недостатки каждой методики. Кроме того, мы предлагаем шесть критериев, упрощающих анализ алгоритмов SLAM с учетом как программных, так и аппаратных аспектов. Также мы рассматриваем основные проблемы и перспективные направления исследований в области визуального SLAM и приводим общий обзор некоторых существующих эталонных наборов данных. Данная работа призвана стать первым шагом для тех, кто начинает проект в области SLAM, обеспечивая ясное представление об основных элементах и характеристиках методов SLAM.
Key Findings
1
Для каждого подхода рассматриваются основные алгоритмы с использованием диаграмм и блок-схем, а также выделяются их ключевые преимущества и недостатки.
2
Предложены шесть критериев для систематического анализа алгоритмов SLAM на уровнях программного и аппаратного обеспечения.
3
Обзор классифицирует визуальную SLAM по трём основным подходам: только визуальная, визуально-инерциальная и RGB-D SLAM.
4
Работа выделяет основные проблемы и будущие направления визуальной SLAM и обобщает существующие наборы данных для сравнительного тестирования и выбора проектов.
5
Визуальная SLAM рассматривается как недорогая и компактная альтернатива другим сенсорным методам SLAM, одновременно оценивающая позу сенсора и строящая карты.
Research Object
Системы визуальной одновременной локализации и построения карты (SLAM)
Research Subject
Основные алгоритмические подходы, характеристики, преимущества, недостатки, критерии анализа, проблемы и перспективные направления визуального SLAM
Publication Details
Publication Date
2022-02-10
Journal
Publisher
ISSN
Cited by
483
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai4
Vision meets robotics: The KITTI dataset2013
ORB-SLAM: универсальная и точная монокулярная система SLAM2015
ORB-SLAM3: точная библиотека с открытым исходным кодом для визуального, визуально-инерциального SLAM и SLAM с использованием нескольких карт2021
VINS-Mono: надежный и универсальный моноокулярный визуально-инерциальный оцениватель состояния2018