Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Hardware Accelerated Image Processing on an FPGA-SoC Based Vision System for Closed Loop Monitoring and Additive Manufacturing Process Control Kapitel lesen Erstes Kapitel lesen

2019 | OriginalPaper | Buchkapitel

Semi-semantic Line-Cluster Assisted Monocular SLAM for Indoor Environments

verfasst von : Ting Sun, Dezhen Song, Dit-Yan Yeung, Ming Liu

Erschienen in: Computer Vision Systems

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

This paper presents a novel method to reduce the scale drift for indoor monocular simultaneous localization and mapping (SLAM). We leverage the prior knowledge that in the indoor environment, the line segments form tight clusters, e.g. many door frames in a straight corridor are of the same shape, size and orientation, so the same edges of these door frames form a tight line segment cluster. We implement our method in the popular ORB-SLAM2, which also serves as our baseline. In the front end we detect the line segments in each frame and incrementally cluster them in the 3D space. In the back end, we optimize the map imposing the constraint that the line segments of the same cluster should be the same. Experimental results show that our proposed method successfully reduces the scale drift for indoor monocular SLAM.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Feature-Agnostic Low-Cost Place Recognition for Appearance-Based Mapping
Nächstes Kapitel Appearance-Based Loop Closure Detection with Scale-Restrictive Visual Features
Literatur
1.
2.
Botterill, T., Mills, S., Green, R.: Correcting scale drift by object recognition in single-camera SLAM. IEEE Trans. Cybern. 43(6), 1767–1780 (2013)CrossRef
3.
Case, C., Suresh, B., Coates, A., Ng, A.Y.: Autonomous sign reading for semantic mapping. In: ICRA, pp. 3297–3303. IEEE (2011)
4.
Civera, J., Gálvez-López, D., Riazuelo, L., Tardós, J.D., Montiel, J.: Towards semantic SLAM using a monocular camera. In: IROS, pp. 1277–1284. IEEE (2011)
5.
De Boor, C., De Boor, C., Mathématicien, E.U., De Boor, C., De Boor, C.: A Practical Guide to Splines, vol. 27. Springer, New York (1978)CrossRef
6.
7.
Fioraio, N., Di Stefano, L.: Joint detection, tracking and mapping by semantic bundle adjustment. In: CVPR, pp. 1538–1545. IEEE (2013)
8.
Gálvez-López, D., Salas, M., Tardós, J.D., Montiel, J.: Real-time monocular object SLAM. Robot. Auton. Syst. 75, 435–449 (2016)CrossRef
9.
Kostavelis, I., Charalampous, K., Gasteratos, A., Tsotsos, J.K.: Robot navigation via spatial and temporal coherent semantic maps. Eng. Appl. Artif. Intell. 48, 173–187 (2016)CrossRef
10.
Kostavelis, I., Gasteratos, A.: Semantic mapping for mobile robotics tasks: a survey. Robot. Auton. Syst. 66, 86–103 (2015)CrossRef
11.
Kümmerle, R., Grisetti, G., Strasdat, H., Konolige, K., Burgard, W.: G2O: a general framework for graph optimization. In: ICRA, pp. 3607–3613. IEEE (2011)
12.
Lemaire, T., Lacroix, S.: Monocular-vision based SLAM using line segments. In: ICRA, pp. 2791–2796. IEEE (2007)
13.
Lu, Y., Song, D.: Robust RGB-D odometry using point and line features. In: ICCV, pp. 3934–3942 (2015)
14.
Lu, Y., Song, D.: Visual navigation using heterogeneous landmarks and unsupervised geometric constraints. IEEE Trans. Robot. 31(3), 736–749 (2015)CrossRef
15.
Lu, Y., Song, D., Yi, J.: High level landmark-based visual navigation using unsupervised geometric constraints in local bundle adjustment. In: ICRA, pp. 1540–1545. IEEE (2014)
16.
Mur-Artal, R., Montiel, J.M.M., Tardos, J.D.: ORB-SLAM: a versatile and accurate monocular SLAM system. IEEE Trans. Robot. 31(5), 1147–1163 (2015)CrossRef
17.
Mur-Artal, R., Tardós, J.D.: ORB-SLAM2: an open-source SLAM system for monocular, stereo, and RGB-D cameras. IEEE Trans. Robot. 33(5), 1255–1262 (2017)CrossRef
18.
Nützi, G., Weiss, S., Scaramuzza, D., Siegwart, R.: Fusion of IMU and vision for absolute scale estimation in monocular SLAM. J. Intell. Robot. Syst. 61(1–4), 287–299 (2011)CrossRef
19.
Parsley, M.P., Julier, S.J.: Towards the exploitation of prior information in SLAM. In: IROS, pp. 2991–2996. IEEE (2010)
20.
Pumarola, A., Vakhitov, A., Agudo, A., Sanfeliu, A., Moreno-Noguer, F.: PL-SLAM: real-time monocular visual SLAM with points and lines. In: ICRA, pp. 4503–4508. IEEE (2017)
21.
Strasdat, H., Montiel, J., Davison, A.J.: Scale drift-aware large scale monocular SLAM. Robot.: Sci. Syst. VI 2 (2010)
22.
Stückler, J., Biresev, N., Behnke, S.: Semantic mapping using object-class segmentation of RGB-D images. In: IROS, pp. 3005–3010. IEEE (2012)
23.
Sturm, J., Engelhard, N., Endres, F., Burgard, W., Cremers, D.: A benchmark for the evaluation of RGB-D SLAM systems. In: IROS, pp. 573–580. IEEE (2012)
24.
Tomono, M., Yuta, S.: Mobile robot navigation in indoor environments using object and character recognition. In: ICRA, vol. 1, pp. 313–320. IEEE (2000)
25.
Von Gioi, R.G., Jakubowicz, J., Morel, J.M., Randall, G.: LSD: a fast line segment detector with a false detection control. TPAMI 32(4), 722–732 (2010)CrossRef
26.
Zhang, G., Lee, J.H., Lim, J., Suh, I.H.: Building a 3-D line-based map using stereo SLAM. IEEE Trans. Robot. 31(6), 1364–1377 (2015)CrossRef
27.
Zhang, G., Suh, I.H.: A vertical and floor line-based monocular SLAM system for corridor environments. IJCAS 10(3), 547–557 (2012)
28.
Zhang, J., Song, D.: On the error analysis of vertical line pair-based monocular visual odometry in urban area. In: IROS, pp. 3486–3491. IEEE (2009)
29.
Zhang, J., Song, D.: Error aware monocular visual odometry using vertical line pairs for small robots in urban areas. In: AAAI (2010)
Metadaten
Titel
Semi-semantic Line-Cluster Assisted Monocular SLAM for Indoor Environments
verfasst von
Ting Sun
Dezhen Song
Dit-Yan Yeung
Ming Liu
Copyright-Jahr
2019
Buch
Computer Vision Systems

Print ISBN: 978-3-030-34994-3

Electronic ISBN: 978-3-030-34995-0

Copyright-Jahr: 2019

DOI
https://doi.org/10.1007/978-3-030-34995-0_6

Premium Partner

    Bildnachweise