VOOM: Robust Visual Object Odometry and Mapping using Hierarchical Landmarks

近年来，面向对象的同时定位与地图构建（SLAM）因其在保持计算效率的同时提供高级语义信息的能力而受到越来越多的关注。一些研究人员尝试通过将建模对象残差集成到捆绑调整中来提高定位精度。然而，由于通用的粗略对象模型，如长方体或椭球体，精度不如特征点，因此很少有人证明比基于特征点的视觉SLAM系统获得更好的结果。在本文中，我们提出了一种使用高级对象和低级点作为层次地标的视觉对象里程计和地图构建框架VOOM，而不是直接在捆绑调整中使用对象残差。首先，我们引入了一种改进的观测模型和一种新颖的数据关联方法，用于表示物理对象的双重四面体。它有助于创建一个尽可能接近现实的3D地图。接下来，我们使用对象信息来增强特征点的数据关联，从而更新地图。在视觉对象里程计后端中，更新的地图被用于进一步优化相机姿态和对象。同时，在我们的视觉对象映射过程中，利用基于对象和点的共视图进行局部捆绑调整。实验表明，VOOM在定位方面优于面向对象的SLAM和特征点SLAM系统，例如ORB-SLAM2。我们的方法的实现可在https://github.com/yutongwangBIT/VOOM.git上获得。

本论文试图提出一种基于高级物体和低级点的分层地标的视觉对象里程计和映射框架VOOM，以解决对象导向SLAM系统中物体模型不够精确的问题。

VOOM采用了一种改进的观测模型和新颖的双四面体数据关联方法，用于表示物理对象。它利用对象信息增强了特征点的数据关联，并通过对象和基于点的共视图进行局部捆绑调整，从而优化了相机姿态和物体。

论文的实验结果表明，VOOM在定位方面优于ORB-SLAM2等目前流行的对象导向SLAM和特征点SLAM系统。该方法的代码已经开源。

与本论文相关的研究包括：基于特征点的SLAM系统、对象导向SLAM系统以及物体识别和分割等领域的研究。