麻省理工学院提出自主泊车的多摄像头视觉惯性SLAM系统，基于Kimera！

以下内容来自小六的机器人SLAM学习圈知识星球每日更新内容

点击领取学习资料 → 机器人SLAM学习资料大礼包

#论文# Multi-Camera Visual-Inertial Simultaneous Localization and Mapping for Autonomous Valet Parking

论文地址：https://arxiv.org/abs/2304.13182

作者单位：麻省理工学院

 定位和地图绘制是自动驾驶汽车的关键功能。本文描述了一种视觉惯性SLAM系统，该系统估计了车辆的精确和全局一致的轨迹，并重建了汽车周围自由空间的稠密模型。为了实现这一目标，我们以Kimera为基础，并将其扩展到使用多个相机以及外部(例如车轮)里程计传感器，以在现实世界的问题中获得准确而稳健的里程计估计。此外，我们提出了一种有效的闭环方案，该方案绕过了基于perspective - point方法的常见替代方案的缺点，并且也适用于单个单目摄像机。

最后，我们开发了一种自由空间的稠密三维建图方法，该方法将用于自由空间检测的分割网络与基于同形图的稠密建图技术相结合。我们在逼真的模拟和福特汽车公司开发的汽车原型收集的几个真实数据集上测试了我们的系统，包括室内和室外停车场景。事实证明，我们的多相机系统的性能优于最先进的开源视觉惯性slam方法(VinsFusion, ORB-SLAM3)，并且在超过8公里的行驶距离(综合所有数据集)中显示出平均轨迹误差低于轨迹长度的1%。

以上内容来自小六的机器人SLAM学习圈知识星球每日更新内容