AVP-SLAM論文復(fù)現(xiàn)代碼開源：停車場自主代客泊車視覺SLAM框架

基于秦通等大佬的AVP-SLAM論文，對其進(jìn)行了代碼復(fù)現(xiàn)，并做了一些新的探索。代碼開源在github上，開源地址請訪問：

https://link.zhihu.com/?target=https%3A//github.com/liuguitao/AVP-SLAM-PLUS

先快速瀏覽下AVP-SLAM代碼復(fù)現(xiàn)版本的建圖及定位效果吧。建圖效果如下圖所示：

基于先驗地圖的定位效果如下圖所示：

建圖及定位的詳細(xì)效果可訪問下面的視頻鏈接：

https://link.zhihu.com/?target=https%3A//www.bilibili.com/video/BV11R4y137xb/

接下來將從AVP-SLAM-PLUS原理、仿真環(huán)境搭建、實驗結(jié)果、致謝等四部分進(jìn)行介紹。

1. AVP-SLAM-PLUS原理

AVP-SLAM的pipeline如下圖所示，摘自AVP-SLAM論文。

復(fù)現(xiàn)版本AVP-SLAM-PLUS的pipeline如圖所示

AVP-SLAM-PLUS是一款同時支持RGB相機和RGBD相機的自主泊車環(huán)視視覺SLAM系統(tǒng)。除了提供SLAM功能，該系統(tǒng)還支持基于先驗地圖的定位（這點AVP-SLAM也有）。

下面以環(huán)視RGB相機為例，介紹下AVP-SLAM-PLUS系統(tǒng)的工作流程：

當(dāng)系統(tǒng)接收到環(huán)視相機發(fā)送的圖像（預(yù)先進(jìn)行圖像時間同步）后，依據(jù)IPM原理，轉(zhuǎn)化為鳥瞰圖點云。IPM原理可參考AVP-SLAM原論文。

將多個相機的鳥瞰圖點云拼接成一張點云后，將該點云與地圖進(jìn)行配準(zhǔn)，求解當(dāng)前幀機器人的位姿。配準(zhǔn)方式可靈活選用NDT或ICP。

當(dāng)較上一個關(guān)鍵幀運動距離超過閾值時，創(chuàng)建新的關(guān)鍵幀，并將新關(guān)鍵幀的點云加入地圖中。

當(dāng)系統(tǒng)執(zhí)行完畢后，保存地圖到指定pcd文件中。

利用保存的地圖，即可進(jìn)行基于先驗地圖的重定位。

環(huán)視RGBD相機原理與RGB相機原理相似，僅在點云拼接原理上有所不同。環(huán)視RGBD相機利用相機外參，將其他相機的點云轉(zhuǎn)到同一個相機的坐標(biāo)上，組成一幀環(huán)視的點云。

2. 仿真環(huán)境搭建

為了檢驗AVP-SLAM-PLUS系統(tǒng)的性能，使用gazebo仿真環(huán)境進(jìn)行實驗。仿真環(huán)境主要包括兩部分，小車模型和帶停車位的路面環(huán)境。

仿真小車借鑒了ros_exploring的開源小車仿真模型。

路面模型借鑒了AVP-SLAM-SIM的開源道路環(huán)境仿真模型。

3. 實驗

環(huán)視RGB相機建圖實驗效果如下

環(huán)視RGB相機基于先驗地圖重定位，實驗效果如下

4. 致謝

感謝秦通等大佬的研究工作，感謝ros_exploring和AVP-SLAM-SIM的開源仿真環(huán)境。

最后，希望這項工作能拋磚引玉，SLAM領(lǐng)域越來越欣欣向榮。

文章轉(zhuǎn)自知乎；

原文鏈接：

https://zhuanlan.zhihu.com/p/452749801