《表4 Eu Ro C下纯视觉SLAM开源框架RMSE对比》
表3 (单位:m)和表4 (单位:m)进一步给出了上述开源v SLAM框架在Eu Ro C MAV公开数据集下的均方根误差(root mean squared error,RMSE)对比(表中粗体表示最小误差,x表示误差过大算法不可用).该数据集共有3类场景,11组数据序列;数据序列标号越大,场景的动态性越强,更具有挑战性.总体而言,相比VI-SLAM,纯视觉SLAM在强动态环境下的鲁棒性较差,各算法均出现了不同程度的丢失,其中以LSD-SLAM最为明显;相反,较为平稳的数据序列(MH_01_easy和MH_02_easy)中,ORB-SLAM2、DSO等纯视觉SLAM具有更高的位姿估计精度,而VI-SLAM受IMU量测噪声的影响稍逊一筹.同样,以VI-DSO为代表的直接法亦在较为平稳的数据序列中具有更高的估计精度,其他数据序列中则不如以ORB-SLAM2和VI-ORB为代表的特征法v SLAM鲁棒性强.同时,由于Eu Ro C数据集普遍具有较多的回环运动,ORB-SLAM、VI-ORB、VINS等具有回环检测的完整v SLAM系统位姿估计精度亦比OKVIS、Struct VIO等里程计版本v SLAM更高.
图表编号 | XD00204388000 严禁用于非法目的 |
---|---|
绘制时间 | 2021.03.01 |
作者 | 李云天、穆荣军、单永志 |
绘制单位 | 哈尔滨工业大学航天学院、哈尔滨工业大学航天学院、哈尔滨工业大学航天学院、中国兵器工业集团有限公司航空弹药研究院 |
更多格式 | 高清、无水印(增值服务) |