以下內(nèi)容來自小六的機器人SLAM學習圈知識星球每日更新內(nèi)容

點擊領(lǐng)取學習資料 → 機器人SLAM學習資料大禮包

#論文#開源代碼# ?EVOLIN Benchmark: Evaluation of Line Detection and Association

論文地址：https://arxiv.org/abs/2303.05162

作者單位：斯科爾科沃科學技術(shù)研究所

開源代碼：https://prime-slam.github.io/evolin/

? ?線條是在室內(nèi)和城市環(huán)境中常見的幾何特征。目前還沒有一個完整的基準來評估序列圖像流中所有階段的線條：線條檢測、線條關(guān)聯(lián)和姿態(tài)誤差。為此，我們?yōu)镾LAM前端的視覺線條提供了一個完整而詳盡的基準，包括RGB和RGBD，通過提供過多的補充指標。我們還標記了來自著名SLAM數(shù)據(jù)集的數(shù)據(jù)，以便將所有位姿都放在一起，并準確地注釋線條。特別是，我們評估了17種直線檢測算法、5種直線關(guān)聯(lián)方法以及用幾種檢測器關(guān)聯(lián)組合對準一對幀所產(chǎn)生的姿態(tài)誤差。

本文貢獻如下：

1、使用常用SLAM序列上的線條標記數(shù)據(jù)集。

2、一組帶有可用的線條檢測和關(guān)聯(lián)算法的碼頭容器。

3、有用于檢測、關(guān)聯(lián)和位姿估計的度量的Python庫。

4、對現(xiàn)有的標記序列檢測和關(guān)聯(lián)方法的準確性和性能進行評估。

以上內(nèi)容來自小六的機器人SLAM學習圈 每日更新內(nèi)容