A Generalized Visual SLAM Enhancement Method Using Maximum Texture Distribution Entropy

Hailin Liu

doi:10.1109/TII.2025.3584475

A Generalized Visual SLAM Enhancement Method Using Maximum Texture Distribution Entropy

0

PRE

AI

DOI：10.1109/TII.2025.3584475

原文链接

摘要

En 中文

本文提出了一种通过利用纹理分布中的最大信息熵来增强视觉同步定位与地图构建（SLAM）的通用方法。传统视觉SLAM方法基于观测误差服从独立同分布正态模型的假设，通过均匀最小化综合误差来估计状态，但未能考虑各观测之间的信息差异，这可能阻碍理想结果的实现。针对这一问题，我们引入纹理分布熵来量化每个特征的信息含量，其中熵值越高表示重要性越大。随后，通过根据点的重要性分配权重，改进了传统的状态估计策略，促进不同纹理密度区域贡献的平衡，从而在非均匀观测条件下提升结果可靠性。此外，基于纹理特征的最大分布熵，提出了一种新型关键帧决策策略，该策略全面评估当前纹理信息的利用程度和场景纹理的丰富性，确保关键帧的有效且及时构建。所提方法通用性高，可应用于基于纹理特征状态估计或关键帧决策的各类视觉SLAM系统。最后，公开数据集上的实验结果表明，相较于近期最先进的视觉SLAM方法，本文方法显著提高了轨迹跟踪估计的精度。

Keyword:

Information entropy

keyframe decision

state estimation

texture distribution

visual simultaneous localization and mapping (SLAM)

A Generalized Visual SLAM Enhancement Method Using Maximum Texture Distribution Entropy

摘要

期刊

机构

引用论文