《表2 绝对轨迹误差(ATE)的均方误差(m)对比(数据被加粗代表着最好)》
本文还和当前多种state-of-art的RGB-D SLAM算法进行对比,包括DVO-SLAM[5]、CPA-SLAM[12]、KDP-SLAM[15],其中CPA-SLAM和KDP-SLAM同样利用了场景平面特征去优化相机位姿。对比实验使用的数据序列、评估标准、方法等都和上一个实验相同,比较结果如表2所示。其中DVO-SLAM的实验数据是自己电脑运行论文的开源代码的结果,而CPA-SLAM和KDP-SLAM数据由原始论文给出(“—”表示原始论文未给出在测试序列上的测试结果)。本文的系统在表中所列的序列上运行的精度和这些state-of-art系统所取得的精度相比是具有可比性的,既存在精度差的情况,也存在精度持平或更优的情况。DVO-SLAM由于没有利用到平面特征,所以在大部分存在较多平面特征的场景序列测试中,取得的精度低于本文系统、CPA-SLAM和KDP-SLAM取得的精度。
图表编号 | XD00198025700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.05 |
作者 | 黄宁生、陈靖、缪远东 |
绘制单位 | 北京理工大学光电学院、北京市混合现实与新型显示工程技术研究中心、北京理工大学光电学院、北京市混合现实与新型显示工程技术研究中心、北京理工大学光电学院、北京市混合现实与新型显示工程技术研究中心 |
更多格式 | 高清、无水印(增值服务) |