UAV-assisted Visual SLAM Generating Reconstructed 3D Scene Graphs in GPS-denied Environments

本文探讨了在需要机器人对环境有情境感知能力的各种应用中，空中机器人的重要作用。例如，在GPS信号不可用的环境中，需要给无人机配备不同的传感器（例如视觉传感器），以在执行姿态估计和定位时提供可靠的感知结果。本文旨在利用安装在无人机上的相机，重建室内环境的地图，并生成高级别的3D场景图。因此，本文建造了一架配备伴侣计算机和RGB-D相机的空中机器人，并将其与作者提出的视觉同时定位与地图构建（VSLAM）框架适当集成。为了增强机器人在重建地图时的情境感知能力，各种结构元素，包括门和墙壁，都被标记了印刷的基准标记，并将它们之间的拓扑关系字典输入到系统中。VSLAM系统检测标记并重建室内区域的地图，其中包含更高级别的语义实体，包括走廊和房间。另一个成就是生成包含增强的分层室内环境表示的多层视觉情境图。在这方面，将VSLAM集成到所使用的无人机中是本文的主要目标，以提供一个端到端的机器人应用程序，适用于GPS信号不可用的环境。为了展示该系统的实用性，在不同结构布局的室内场景中进行了各种真实世界条件的实验。评估结果表明，所提出的无人机应用程序可以相对于基线和地面真实数据表现出良好的性能。

本文旨在解决在无GPS环境下，使用搭载RGB-D相机的无人机进行室内环境重建和生成3D场景图的问题。

通过将打印的标志性标记附加在室内结构元素上，将其与拓扑关系词典一起馈送到VSLAM框架中，从而提高无人机的情境感知能力。生成的多层次视觉场景图包含了更高层次的语义实体，如走廊和房间。

本文的亮点包括使用搭载RGB-D相机的无人机进行室内环境重建和生成3D场景图，使用打印的标志性标记和拓扑关系词典提高无人机的情境感知能力，生成多层次视觉场景图，实验结果表明该方法在室内环境中表现良好。

与本文相关的研究包括使用无人机进行室内环境重建和场景理解的研究，如“Using Drones for Indoor Mapping and Scene Understanding: A Survey”和“Autonomous Indoor Navigation and Mapping Using a Quadrotor with a Single Downward-Facing Camera”。