База данных ORDSLAM для сравнения эффективности RGB-D SLAM -алгоритмов вне помещения

Полный текст на elibrary.ru

Публикация в Journal of Optical Technology

Ссылка для цитирования:

Пономарев С.В., Дроздов С.А. База данных ORDSLAM для сравнения эффективности RGB-D SLAM-алгоритмов вне помещения // Оптический журнал. 2020. Т. 87. № 12. С. 32 –42. http://doi.org/10.17586/1023-5086-2020-87-12-32-42

Ссылка на англоязычную версию:

S. V. Ponomarev and S. A. Drozdov, "ORDSLAM dataset for comparison of outdoor RGB-D SLAM algorithms," Journal of Optical Technology. 87(12). 726-732 (2020). https://doi.org/10.1364/JOT.87.000726

Аннотация:

Подготовлена новая база данных, позволяющая сравнить эффективность алгоритмов одновременной локализации и построения карты местности в условиях открытой местности, характеризующейся высокой априорной неопределённостью. Изображения отсняты с помощью стереокамеры высокого разрешения, по размеченным вручную ключевым точкам рассчитаны эталонные траектории движения камеры внутри сцены. Полученная база данных изображений может быть использована для сравнения робастности поведения алгоритмов одновременной локализации и построения карты местности на открытом воздухе и в условиях сложного освещения.

Ключевые слова:

одновременная локализация и построение карты местности, трёхмерное сопоставление изображений

Коды OCIS: 150.1135

Список источников:

Scaramuzza D., Fraundorfer F. Visual odometry: Part I: The first 30 years and fundamentals // IEEE Robotics & Automation Magazine. 2011. V. 18. № 4. P. 80–92.

2. Sturmet J., Engelhard N., Endres F., Burgard W., Cremers D. A benchmark for the evaluation of RGB-D SLAM systems // Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). Vilamoura, Algarve, Portugal. 2012. P. 573–580.

3. Bauer Z., Gomez-Donoso F., Cruz E., Orts-Escolano S., Cazorla M. UASOL, a large-scale high-resolution outdoor stereo dataset // Scientific Data. 2019. V. 6. № 1. P. 1–14.

4. Firman M. RGBD datasets: past present and future // CVPR Workshop on Large Scale 3D Data: Acquisition Modelling and Analysis. Las Vegas, NV, USA. 2016. P. 19–31.

5. ORDSLAM Dataset [Электронный ресурс] — Режим доступа: https://svponomarev.github.io/, свободный. — Загл. с экрана.

6. Endres F., Hess J., Engelhard N., Sturm J., Cremers D., Burgard W. An evaluation of the RGB-D SLAM system // International Conference on Robotics and Automation. Saint Paul, MN. 2012. P. 1691–1696.

7. Mur-Artal R., Tardós J.D. ORB-SLAM2: An open-source SLAM system for monocular, stereo, and RGB-D cameras // IEEE Transactions on Robotics. 2017. V. 33. № 5. P. 1255–1262.

8. Schöps T., Sattler T., Pollefeys M. BAD SLAM: Bundle Adjusted Direct RGB-D SLAM // IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). Long Beach, CA, USA. 2019. P. 134–144. 9. Horn B. Closed-form solution of absolute orientation using unit quaternions // Journal of the Optical Society of America A. 1987. V. 4. P. 629–642.