Купить (600 RUB)
сгенерировать QR код
Открытый доступ
Доступ платный или только для Подписчиков
Анализ робастности метода неявного представления карт в задаче одновременного картирования и локализации
https://doi.org/10.17587/mau.27.59-65
Аннотация
Работа посвящена анализу робастности к внешним и внутренним возмущениям неявных представлений карт в задаче одновременного картирования и локализации (SLAM) на основе изображений с камеры глубины (RGB-D). На примере известного метода Co-SLAM исследуется чувствительность к трем типам реалистичных возмущений: локальным бликам и засветам, погрешностям калибровки внутренних параметров камеры и аддитивному шуму в канале глубины. Для количественной оценки робастности используется среднеквадратическое отклонение оценки положения камеры после выравнивания по алгоритму Кабша—Умеямы. Результаты моделирования с возмущениями показали высокую робастность к локальным световым эффектам, умеренную — к малым ошибкам калибровки и низкую — к шумам в канале глубины. В работе также предлагается новый метод инициализации начальных положений и ориентации камеры на основании линейных и угловых скоростей, рассчитанных из алгоритма визуальной/визуальноинерциальной одометрии, что обеспечивает повышение точности локализации при зашумленном канале глубины без существенного роста вычислительной сложности.
Ключевые слова
одновременная локализация и построение карты (SLAM),
неявное представление карт,
NeRF,
реконструкция сцены,
калибровка камеры,
визуально-инерциальная одометрия
При поддержке: Статья подготовлена при финансовой поддержке Министерства науки и высшего образования Российской Федерации, проект № FSER-2025-0002.
Об авторах
В. А. Антипов
Университет ИТМО
Россия
Россия
В. А. Антипов, аспирант г.
Санкт-Петербург
Е. Н. Магазенков
Университет ИТМО
Россия
Россия
Е. Н. Магазенков, магистрант
г. Санкт-Петербург
А. А. Ведяков
Университет ИТМО
Россия
Россия
А. А. Ведяков, канд. тех. наук, доц.
г. Санкт-Петербург
Список литературы
1. DeTone D., Malisiewicz T., Rabinovich А. SuperPoint: Self-Supervised Interest Point Detection and Description, 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW), 2018, pp. 337—33712, DOI: 10.1109/CVPRW.2018.00060
2. Mildenhall B., Srinivasan P. P., Tancik M., Barron J. T., Ramamoorthi R., Ng R. NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis, Computer Vision — ECCV 2020, 2020, pp. 405—421, DOI: 10.1007/978-3-030-58452-8_24
3. Sucar E., Liu S., Ortiz J., Davison A. J. iMAP: Implicit Mapping and Positioning in Real-Time, Proceedings of the IEEE/CVF International Conference on Computer Vision, 2021, pp. 6229—6238
4. Zhu Z., Peng S., Larsson V., Xu W., Bao H., Cui Z., Oswald M. R., Pollefeys M. NICE-SLAM: Neural Implicit Scalable Encoding for SLAM, 2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2022, pp. 12776—12786, DOI: 10.1109/CVPR52688.2022.01245
5. Wang H., Wang J., Agapito L. Co-SLAM: Joint Coordinate and Sparse Parametric Encodings for Neural Real-Time SLAM, Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, 2023, pp. 13293—13302
6. Zhu S., Wang G., Blum H., Liu J., Song L., Pollefeys M., Wang H. SNI-SLAM: Semantic Neural Implicit SLAM, 2024 IEEE/ CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2024, pp. 21167—21177, DOI: 10.1109/CVPR52733.2024.02000
7. Kong X., Liu S., Taher M., Davison A. J. vMAP: Vectorised Object Mapping for Neural Field SLAM, 2023 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2023, pp. 952—961, DOI: 10.1109/CVPR52729.2023.00098
8. Shi Y., Yang R., Wu Z., Li P., Liu C., Zhao H., Zhou G. City-scale continual neural semantic mapping with three-layer sampling and panoptic representation, Knowledge-Based Systems, 2024, vol. 284, pp. 111145, DOI: 10.1016/j.knosys.2023.111145
9. Rosinol A., Leonard J. J., Carlone L. NeRF-SLAM: Real-Time Dense Monocular SLAM with Neural Radiance Fields, 2023 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2023, pp. 3437—3444, DOI: 10.1109/IROS55552.2023.10341922
10. Umeyama S. Least-squares estimation of transformation parameters between two point patterns, IEEE Transactions on Pattern Analysis and Machine Intelligence, 1991, vol. 13 (4), pp. 376—380, DOI: 10.1109/34.88573
11. Li Q., Ma L., Xu H., Cao M. Investigating SLAM Algorithms for Robustness in Illumination-Varying Scenarios, 2024 6th International Conference on Robotics, Intelligent Control and Artificial Intelligence (RICAI), 2024, pp. 903—907, DOI: 10.1109/RICAI64321.2024.10911790
12. Muratbekova M., Toganas N., Igali A., Shagyrov M., Kadyrgali E., Yerkin A., Shamoi P. Color Models in Image Processing: А Review and Experimental Comparison, 2025, DOI: 10.48550/ARXIV.2510.00584
13. Sturm J., Engelhard N., Endres F., Burgard W., Cremers D. А benchmark for the evaluation of RGB-D SLAM systems, 2012 IEEE/RSJ International Conference on Intelligent Robots and Systems, 2012, pp. 573—580, DOI: 10.1109/IROS.2012.6385773
14. Taketomi T., Heikkila J. Focal length change compensation for monocular slam, 2015 IEEE International Conference on Image Processing (ICIP), 2015, pp. 4982—4986, DOI: 10.1109/ICIP.2015.7351755
15. Afzal Maken F., Muthu S., Nguyen C., Sun C., Tong J., Wang S., Tsuchida R., Howard D., Dunstall S., Petersson L. Improving 3D Reconstruction Through RGB-D Sensor Noise Modeling, Sensors, 2025, vol. 25 (3), pp. 950, DOI: 10.3390/s25030950
16. Yen-Chen L., Florence P., Barron J. T., Rodriguez A., Isola P., Lin T.-Y. iNeRF: Inverting Neural Radiance Fields for Pose Estimation, 2021 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2021, pp. 1323—1330, DOI: 10.1109/IROS51168.2021.9636708
17. Chung C.-M., Tseng Y.-C., Hsu Y.-C., Shi X.-Q., Hua Y.-H., Yeh J.-F., Chen W.-C., Chen Y.-T., Hsu W. H. Orbeez-SLAM: А Real-time Monocular Visual SLAM with ORB Features and NeRF-realized Mapping, 2023 IEEE International Conference on Robotics and Automation (ICRA), 2023, pp. 9400—9406, DOI: 10.1109/ICRA48891.2023.10160950
18. Geneva P., Eckenhoff K., Lee W., Yang Y., Huang G. OpenVINS: А Research Platform for Visual-Inertial Estimation, 2020 IEEE International Conference on Robotics and Automation (ICRA), 2020, pp. 4666—4672, DOI: 10.1109/ICRA40945.2020.9196524
19. Delmerico J., Scaramuzza D. А Benchmark Comparison of Monocular Visual-Inertial Odometry Algorithms for Flying Robots, 2018 IEEE International Conference on Robotics and Automation (ICRA), 2018, pp. 2502—2509, DOI: 10.1109/ICRA.2018.8460664
Рецензия
Для цитирования:
Антипов В.А., Магазенков Е.Н., Ведяков А.А. Анализ робастности метода неявного представления карт в задаче одновременного картирования и локализации. Мехатроника, автоматизация, управление. 2026;27(2):59-65. https://doi.org/10.17587/mau.27.59-65
For citation:
Antipov V.A., Magazenkov E.N., Vedyakov A.A. Robustness Analysis of Visual SLAM Algorithms with Neural Implicit Map Representation. Mekhatronika, Avtomatizatsiya, Upravlenie. 2026;27(2):59-65. https://doi.org/10.17587/mau.27.59-65
Просмотров:
292
JATS XML
.png)
Послать статью по эл. почте 