Real-time accurate visual slam with place recognition

摘要

El problema de localizacion y construccion simultanea de mapas (del ingles Simultaneous Localization and Mapping, abreviado SLAM) consiste en localizar un sensor en un mapa que se construye en linea. La tecnologia de SLAM hace posible la localizacion de un robot en un entorno desconocido para el, procesando la informacion de sus sensores de a bordo y por tanto sin depender de infraestructuras externas. Un mapa permite localizarse en todo momento sin acumular deriva, a diferencia de una odometria donde se integran movimientos incrementales. Este tipo de tecnologia es critica para la navegacion de robots de servicio y vehiculos autonomos, o para la localizacion del usuario en aplicaciones de realidad aumentada o virtual. La principal contribucion de esta tesis es ORB-SLAM, un sistema de SLAM monocular basado en caracteristicas que trabaja en tiempo real en ambientes pequenos y grandes, de interior y exterior. El sistema es robusto a elementos dinamicos en la escena, permite cerrar bucles y relocalizar la camara incluso si el punto de vista ha cambiado significativamente, e incluye un metodo de inicializacion completamente automatico. ORB-SLAM es actualmente la solucion mas completa, precisa y fiable de SLAM monocular empleando una camara como unico sensor. El sistema, estando basado en caracteristicas y ajuste de haces, ha demostrado una precision y robustez sin precedentes en secuencias publicas estandar. Adicionalmente se ha extendido ORB-SLAM para reconstruir el entorno de forma semi-densa. Nuestra solucion desacopla la reconstruccion semi-densa de la estimacion de la trayectoria de la camara, lo que resulta en un sistema que combina la precision y robustez del SLAM basado en caracteristicas con las reconstrucciones mas completas de los metodos directos. Ademas se ha extendido la solucion monocular para aprovechar la informacion de camaras estereo, RGB-D y sensores inerciales, obteniendo precisiones superiores a otras soluciones del estado del arte. Con el fin de contribuir a la comunidad cientifica, hemos hecho libre el codigo de una implementacion de nuestra solucion de SLAM para camaras monoculares, estereo y RGB-D, siendo la primera solucion de codigo libre capaz de funcionar con estos tres tipos de camara. Bibliografia: R. Mur-Artal and J. D. Tardos. Fast Relocalisation and Loop Closing in Keyframe-Based SLAM. IEEE International Conference on Robotics and Automation (ICRA). Hong Kong, China, June 2014. R. Mur-Artal and J. D. Tardos. ORB-SLAM: Tracking and Mapping Recognizable Features. RSS Workshop on Multi VIew Geometry in RObotics (MVIGRO). Berkeley, USA, July 2014. R. Mur-Artal and J. D. Tardos. Probabilistic Semi-Dense Mapping from Highly Accurate Feature-Based Monocular SLAM. Robotics: Science and Systems (RSS). Rome, Italy, July 2015. R. Mur-Artal, J. M. M. Montiel and J. D. Tardos. ORB-SLAM: A Versatile and Accurate Monocular SLAM System. IEEE Transactions on Robotics, vol. 31, no. 5, pp. 1147-1163, October 2015. (2015 IEEE Transactions on Robotics Best Paper Award). R. Mur-Artal, and J. D. Tardos. Visual-Inertial Monocular SLAM with Map Reuse. IEEE Robotics and Automation Letters, vol. 2, no. 2, pp. 796-803, April 2017. (to be presented at ICRA 17). R.Mur-Artal, and J. D. Tardos. ORB-SLAM2: an Open-Source SLAM System for Monocular, Stereo and RGB-D Cameras. ArXiv preprint arXiv:1610.06475, 2016. (under Review).