Map point optimization in keyframe-based SLAM using covisibbility graph and information fusion

Detalhes bibliográficos
Autor(a) principal: Concha, Edison Kleiber Titito
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
Texto Completo: http://hdl.handle.net/10183/180265
Resumo: SLAM (do inglês Simultaneous Localization and Mapping) Monocular baseado em Keyframes é uma das principais abordagens de SLAM Visuais, usado para estimar o movimento da câmera juntamente com a reconstrução do mapa sobre frames selecionados. Estas técnicas representam o ambiente por pontos no mapa localizados em um espaço tri-dimensional, que podem ser reconhecidos e localizados no frame. Contudo, estas técnicas não podem decidir quando um ponto do mapa se torna um outlier ou uma informação obsoleta e que pode ser descartada, ou combinar pontos do mapa que correspondem ao mesmo ponto tri-dimensional. Neste trabalho, apresentamos um método robusto para manter um mapa refinado. Esta abordagem usa o grafo de covisibilidade e um algoritmo baseado na fusão de informações para construir um mapa probabilístico, que explicitamente modela medidas de outlier. Além disso, incorporamos um mecanismo de poda para reduzir informações redundantes e remover outliers. Desta forma, nossa abordagem gerencia a redução do tamanho do mapa, mantendo informações essenciais do ambiente. Finalmente, a fim de avaliar a performance do nosso método, ele foi incorporado ao sistema do ORB-SLAM e foi medido a acurácia alcançada em datasets publicamente disponíveis que contêm sequências de imagens de ambientes internos gravados com uma câmera monocular de mão.
id URGS_ab25f335bc28eb51d82039b02839d2b5
oai_identifier_str oai:www.lume.ufrgs.br:10183/180265
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str 1853
spelling Concha, Edison Kleiber TititoSilva Junior, Edson Prestes e2018-07-10T02:32:54Z2018http://hdl.handle.net/10183/180265001070451SLAM (do inglês Simultaneous Localization and Mapping) Monocular baseado em Keyframes é uma das principais abordagens de SLAM Visuais, usado para estimar o movimento da câmera juntamente com a reconstrução do mapa sobre frames selecionados. Estas técnicas representam o ambiente por pontos no mapa localizados em um espaço tri-dimensional, que podem ser reconhecidos e localizados no frame. Contudo, estas técnicas não podem decidir quando um ponto do mapa se torna um outlier ou uma informação obsoleta e que pode ser descartada, ou combinar pontos do mapa que correspondem ao mesmo ponto tri-dimensional. Neste trabalho, apresentamos um método robusto para manter um mapa refinado. Esta abordagem usa o grafo de covisibilidade e um algoritmo baseado na fusão de informações para construir um mapa probabilístico, que explicitamente modela medidas de outlier. Além disso, incorporamos um mecanismo de poda para reduzir informações redundantes e remover outliers. Desta forma, nossa abordagem gerencia a redução do tamanho do mapa, mantendo informações essenciais do ambiente. Finalmente, a fim de avaliar a performance do nosso método, ele foi incorporado ao sistema do ORB-SLAM e foi medido a acurácia alcançada em datasets publicamente disponíveis que contêm sequências de imagens de ambientes internos gravados com uma câmera monocular de mão.Keyframe-based monocular SLAM (Simultaneous Localization and Mapping) is one of the main visual SLAM approaches, used to estimate the camera motion together with the map reconstruction over selected frames. These techniques based on keyframes represent the environment by map points located in the three-dimensional space that can be recognized and located in the frames. However, many of these techniques cannot combine map points corresponding to the same three-dimensional point or detect when a map point becomes outlier and an obsolete information. In this work, we present a robust method to maintain a refined map that uses the covisibility graph and an algorithm based on information fusion to build a probabilistic map, which explicitly models outlier measurements. In addition, we incorporate a pruning mechanism to reduce redundant information and remove outliers. In this way our approach manages the map size maintaining essential information of the environment. Finally, in order to evaluate the performance of our method, we incorporate it into an ORB-SLAM system and measure the accuracy achieved on publicly available benchmark datasets which contain indoor images sequences recorded with a hand-held monocular camera.application/pdfengInteligência artificialRobo : RoboticaVisualizaçãoInformation fusionKeyframe basedVisual SLAMRobot visionMap point optimization in keyframe-based SLAM using covisibbility graph and information fusioninfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPrograma de Pós-Graduação em ComputaçãoPorto Alegre, BR-RS2018mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL001070451.pdf001070451.pdfTexto completo (inglês)application/pdf30647408http://www.lume.ufrgs.br/bitstream/10183/180265/1/001070451.pdf2f97c19eccf26198f5e266db80d00c81MD51TEXT001070451.pdf.txt001070451.pdf.txtExtracted Texttext/plain118357http://www.lume.ufrgs.br/bitstream/10183/180265/2/001070451.pdf.txtd261224a3d8a643c4af601776ab64d01MD5210183/1802652021-05-26 04:38:04.443858oai:www.lume.ufrgs.br:10183/180265Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532021-05-26T07:38:04Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Map point optimization in keyframe-based SLAM using covisibbility graph and information fusion
title Map point optimization in keyframe-based SLAM using covisibbility graph and information fusion
spellingShingle Map point optimization in keyframe-based SLAM using covisibbility graph and information fusion
Concha, Edison Kleiber Titito
Inteligência artificial
Robo : Robotica
Visualização
Information fusion
Keyframe based
Visual SLAM
Robot vision
title_short Map point optimization in keyframe-based SLAM using covisibbility graph and information fusion
title_full Map point optimization in keyframe-based SLAM using covisibbility graph and information fusion
title_fullStr Map point optimization in keyframe-based SLAM using covisibbility graph and information fusion
title_full_unstemmed Map point optimization in keyframe-based SLAM using covisibbility graph and information fusion
title_sort Map point optimization in keyframe-based SLAM using covisibbility graph and information fusion
author Concha, Edison Kleiber Titito
author_facet Concha, Edison Kleiber Titito
author_role author
dc.contributor.author.fl_str_mv Concha, Edison Kleiber Titito
dc.contributor.advisor1.fl_str_mv Silva Junior, Edson Prestes e
contributor_str_mv Silva Junior, Edson Prestes e
dc.subject.por.fl_str_mv Inteligência artificial
Robo : Robotica
Visualização
topic Inteligência artificial
Robo : Robotica
Visualização
Information fusion
Keyframe based
Visual SLAM
Robot vision
dc.subject.eng.fl_str_mv Information fusion
Keyframe based
Visual SLAM
Robot vision
description SLAM (do inglês Simultaneous Localization and Mapping) Monocular baseado em Keyframes é uma das principais abordagens de SLAM Visuais, usado para estimar o movimento da câmera juntamente com a reconstrução do mapa sobre frames selecionados. Estas técnicas representam o ambiente por pontos no mapa localizados em um espaço tri-dimensional, que podem ser reconhecidos e localizados no frame. Contudo, estas técnicas não podem decidir quando um ponto do mapa se torna um outlier ou uma informação obsoleta e que pode ser descartada, ou combinar pontos do mapa que correspondem ao mesmo ponto tri-dimensional. Neste trabalho, apresentamos um método robusto para manter um mapa refinado. Esta abordagem usa o grafo de covisibilidade e um algoritmo baseado na fusão de informações para construir um mapa probabilístico, que explicitamente modela medidas de outlier. Além disso, incorporamos um mecanismo de poda para reduzir informações redundantes e remover outliers. Desta forma, nossa abordagem gerencia a redução do tamanho do mapa, mantendo informações essenciais do ambiente. Finalmente, a fim de avaliar a performance do nosso método, ele foi incorporado ao sistema do ORB-SLAM e foi medido a acurácia alcançada em datasets publicamente disponíveis que contêm sequências de imagens de ambientes internos gravados com uma câmera monocular de mão.
publishDate 2018
dc.date.accessioned.fl_str_mv 2018-07-10T02:32:54Z
dc.date.issued.fl_str_mv 2018
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/180265
dc.identifier.nrb.pt_BR.fl_str_mv 001070451
url http://hdl.handle.net/10183/180265
identifier_str_mv 001070451
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/180265/1/001070451.pdf
http://www.lume.ufrgs.br/bitstream/10183/180265/2/001070451.pdf.txt
bitstream.checksum.fl_str_mv 2f97c19eccf26198f5e266db80d00c81
d261224a3d8a643c4af601776ab64d01
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1810085447788920832

Registros relacionados