【SLAM论文笔记】PL-EVIO笔记(下)

线特征的表达

Plucker坐标:
L w = [ n w l , d w l ] \bold{L}_w=[\bold{n}^l_w,\bold{d}_w^l] Lw=[nwl,dwl]
n w l \bold{n}^l_w nwl指由坐标系原点与线决定的平面的法向量, d w l \bold{d}_w^l dwl指由线段端点决定的方向向量。

从世界坐标系 w w w转到第k帧事件相机坐标系 e k e_k ek,
L e = [ R w e [ t w e ] × R w e 0 R w e ] L w = [ n e l d e l ] \bold{L}e=\left[\begin{array}{cc}R^e_w&[t_w^e]\times R^e_w \\0&R^e_w\end{array}\right]\bold{L}_w =\begin{array}{}[\bold{n}^l_e&\bold{d}^l_e]\end{array} Le=[Rwe0[twe]×RweRwe]Lw=[neldel]

将相机坐标系下的直线投影到像平面,
l e = π e n e l = [ l 1 l 2 l 3 ] T \bold{l}_e = \pi_e\bold{n}^l_e=\begin{array}{cc}[l_1&l_2&l_3]\end{array}^T le=πenel=[l1l2l3]T
π \pi π指相机投影方程,与投影3D点形式一致。

6参数与4参数

论文作者讲4参数正交表达在优化中有更好的收敛性能。
R ( θ ) = [ n w l ∣ ∣ n w l ∣ ∣ d w l ∣ ∣ d w l ∣ ∣ n w l × d w l ∣ ∣ n w l × d w l ∣ ∣ ] R ( o ) = [ c o s ( o ) − s i n ( o ) s i n ( o ) c o s ( o ) ] = 1 ∣ ∣ n w l ∣ ∣ 2 + ∣ ∣ d w l ∣ ∣ 2 [ ∣ ∣ n w l ∣ ∣ − ∣ ∣ d w l ∣ ∣ ∣ ∣ d w l ∣ ∣ ∣ ∣ n w l ∣ ∣ ] R(\theta)=[\begin{array}{ccc}\frac{n^l_w}{||n^l_w||}&\frac{d^l_w}{||d^l_w||}&\frac{n^l_w\times d^l_w}{||n^l_w\times d^l_w||}\end{array}] \\ R(o)=\left[\begin{array}{cc}cos(o)&-sin(o) \\sin(o)&cos(o)\end{array}\right]=\frac{1}{\sqrt{||n^l_w||^2+||d^l_w||^2}}\left[\begin{array}{cc}||n^l_w||&-||d^l_w||\\||d^l_w||&||n^l_w||\end{array}\right] R(θ)=[∣∣nwl∣∣nwl∣∣dwl∣∣dwl∣∣nwl×dwl∣∣nwl×dwl]R(o)=[cos(o)sin(o)−sin(o)cos(o)]=∣∣nwl∣∣2+∣∣dwl∣∣2 1[∣∣nwl∣∣∣∣dwl∣∣−∣∣dwl∣∣∣∣nwl∣∣]

线特征的残差

采用线特征的两个端点到重投影线的距离形式,
d ( p , l e ) = p l e l 1 2 + l 2 2 d(p,\bold{l}_e)=\frac{p\bold{l}_e}{\sqrt{l_1^2+l_2^2}} d(p,le)=l12+l22 ple

p采用齐次坐标 ( u , v , 1 ) t (u,v,1)^t (u,v,1)t,上式即常见的点到直线的距离公式。

实验结果

用0-5s的真值位姿与估计值对齐,获得变换矩阵SE(3),把输出轨迹与真值轨迹对齐,计算平均位置误差与轨迹长度的百分比作为精度指标。

实验室自采数据测试

首先VINS-Mono、ORB-SLAM3、PL-VINS、Ultimate SLAM EIO、Ultimate SLAMEVIO与论文不同配置的方法在自采测试数据上比较,PL-EVIO多个场景下平均相对精度最高,0.36%;尽管PL-EVIO多数条件下精度最高,但在弱光照下,PL-EIO胜过PL-EVIO;通过实验发现ORB-SLAM3的平均精度比VINS-Mono、PL-VINS、Ultimate SLAM EIO较高;将事件流积成边缘图像用于VIO,一次数据的调优参数的泛化能力很低。

UZH-FPV数据测试

PL-EVIO与ORB-SLAM3(Stereo)、VINS-Fusion(Stereo)、VINS-Mono、UltimateSLAM比较,看表格发现同一软件:单目VIO+低分辨率(346260)数据的结果相对精度比双目VIO+高分辨率(640480)的精度反而高。

四轴在线飞行实验

寻迹实验,使用VICON测量位姿真值,PL-EVIO的位置误差绝对值x&y在0.1m内,z在0.05m内,姿态滚转、俯仰角误差绝对值1度,航向角误差0-6度,显示线性发散过程。

相关推荐
alfiy几秒前
Elasticsearch学习笔记(六)使用集群令牌将新加点加入集群
笔记·学习·elasticsearch
爱学的小涛11 分钟前
【NIO基础】基于 NIO 中的组件实现对文件的操作(文件编程),FileChannel 详解
java·开发语言·笔记·后端·nio
爱学的小涛12 分钟前
【NIO基础】NIO(非阻塞 I/O)和 IO(传统 I/O)的区别,以及 NIO 的三大组件详解
java·开发语言·笔记·后端·nio
JavaGPT39 分钟前
prometheus学习笔记之PromQL
笔记·学习·prometheus
害羞的白菜1 小时前
Nginx基础详解5(nginx集群、四七层的负载均衡、Jmeter工具的使用、实验验证集群的性能与单节点的性能)
linux·运维·笔记·jmeter·nginx·centos·负载均衡
lan人啊1 小时前
脉冲神经网络(SNN)论文阅读(六)-----ECCV-2024 脉冲驱动的SNN目标检测框架:SpikeYOLO
论文阅读·神经网络·目标检测
chnyi6_ya1 小时前
论文笔记:Online Class-Incremental Continual Learning with Adversarial Shapley Value
论文阅读·人工智能
万里鹏程转瞬至1 小时前
论文阅读:InternVL v1.5| How Far Are We to GPT-4V? 通过开源模型缩小与商业多模式模型的差距
论文阅读·大模型·多模态·internvl
BulingQAQ6 小时前
论文阅读:PET/CT Cross-modal medical image fusion of lung tumors based on DCIF-GAN
论文阅读·深度学习·生成对抗网络·计算机视觉·gan
m0_6896182812 小时前
水凝胶发生器,不对称设计妙,医电应用前景广
笔记