浙江大学计算机辅助设计与图形学国家重点实验室三维视觉组,主要的研究方向为三维视觉、增强现实、混合现实、计算机图形学。
单目的视觉惯性里程计,由于其高度非线性,在没有较为准确的初始化参数的时候很容易跟踪丢失。因此,对于单目视觉SLAM而言,快速并带有准确尺度信息的初始化是至关重要的。本项目提出了一种新的单目视觉惯性初始化方法,能够快速准确地恢复IMU的和相机的状态以及尺度信息,其关键点在于IMU测量和视觉测量配准的早期阶段,通过场景中的垂直边缘获取重力向量的精确估计值,从而降低其他状态的估计误差。
SLAM需要频繁地调用集束调整(BA)来消除或减少累积误差。然而集束调整一般比较耗时,而且计算复杂度随着帧数的增加增长很快。为此,本项目提出了一种非常高效的增量集束调整算法EIBA,它可以提供与全局BA几乎相同的计算精度,但计算时间与实际改变的变量数量成正比,从而可以显著减少计算时间,大多数情况下速度提升一个数量级。
eval-vislam是针对VSLAM和VISLAM的评测工具包,可以衡量SLAM系统在浙大-商汤VISLAM数据集上的综合性能,包括跟踪精度、初始化质量、跟踪鲁棒性、重定位时间四种指标。