停车场自主代客泊车视觉SLAM框架
点击下方卡片，关注“新机器视觉”公众号
重磅干货，第一时间送达
先快速浏览下AVP-SLAM代码复现版本的建图及定位效果吧。建图效果如下图所示：
基于先验地图的定位效果如下图所示：
建图及定位的详细效果可访问下面的视频链接：
https://www.bilibili.com/video/BV11R4y137xb/
接下来将从AVP-SLAM-PLUS原理、仿真环境搭建、实验结果、致谢等四部分进行介绍。
1. AVP-SLAM-PLUS原理
AVP-SLAM的pipeline如下图所示，摘自AVP-SLAM论文。
复现版本AVP-SLAM-PLUS的pipeline如图所示
AVP-SLAM-PLUS是一款同时支持RGB相机和RGBD相机的自主泊车环视视觉SLAM系统。
除了提供SLAM功能，该系统还支持基于先验地图的定位（这点AVP-SLAM也有）。
下面以环视RGB相机为例，介绍下AVP-SLAM-PLUS系统的工作流程：
当系统接收到环视相机发送的图像（预先进行图像时间同步）后，依据IPM原理，转化为鸟瞰图点云。IPM原理可参考AVP-SLAM原论文。
将多个相机的鸟瞰图点云拼接成一张点云后，将该点云与地图进行配准，求解当前帧机器人的位姿。配准方式可灵活选用NDT或ICP。
当较上一个关键帧运动距离超过阈值时，创建新的关键帧，并将新关键帧的点云加入地图中。
当系统执行完毕后，保存地图到指定pcd文件中。利用保存的地图，即可进行基于先验地图的重定位。
环视RGBD相机原理与RGB相机原理相似，仅在点云拼接原理上有所不同。
环视RGBD相机利用相机外参，将其他相机的点云转到同一个相机的坐标上，组成一帧环视的点云。
2. 仿真环境搭建
为了检验AVP-SLAM-PLUS系统的性能，使用gazebo仿真环境进行实验。仿真环境主要包括两部分，小车模型和带停车位的路面环境。
仿真小车借鉴了ros_exploring的开源小车仿真模型。
https://github.com/huchunxu/ros_exploring
路面模型借鉴了AVP-SLAM-SIM的开源道路环境仿真模型。
https://github.com/TurtleZhong/AVP-SLAM-SIM
3. 实验
环视RGB相机建图实验效果如下
环视RGB相机基于先验地图重定位，实验效果如下
4. 致谢：
感谢秦通等大佬的研究工作，感谢ros_exploring和AVP-SLAM-SIM的开源仿真环境。
最后，希望这项工作能抛砖引玉，SLAM领域越来越欣欣向荣。
本文转载自知乎：
https://zhuanlan.zhihu.com/p/452749801
本文仅做学术分享，如有侵权，请联系删文。