面向自主智能体的单目视觉导航初始化：基于改进的小运动结构方法
Initialization of Monocular Visual Navigation for Autonomous Agents Using Modified Structure from Small Motion
AI总结：
本文提出一种基于因子图优化并扩展小运动结构方法的单目vSLAM初始化流程，用于解决空间机器人检查轨迹中的弱透视、平面退化和动态光照问题，并在模拟卫星检查序列上验证了其优于现有方法。
摘要：
我们提出了一种面向自主空间机器人的独立单目视觉同步定位与建图（vSLAM）初始化流程。我们的方法是一个最先进的因子图优化流程，扩展了小运动结构（Structure from Small Motion, SfSM）方法，以在航天器检查轨迹中稳健地初始化单目智能体，解决视觉估计中的挑战，例如弱透视投影和中心指向运动（这会加剧基底浮雕歧义）、主导平面几何（这会导致经典运动恢复结构方法中的运动估计退化）以及动态光照条件（这会降低视觉信息的可存活性）。我们在具有翻滚航天器的真实感模拟卫星检查图像序列上验证了我们的方法，并证明了该方法相对于现有单目初始化流程的有效性。
英文摘要：
We propose a standalone monocular visual Simultaneous Localization and Mapping (vSLAM) initialization pipeline for autonomous space robots. Our method, a state-of-the-art factor graph optimization pipeline, extends Structure from Small Motion (SfSM) to robustly initialize a monocular agent in spacecraft inspection trajectories, addressing visual estimation challenges such as weak-perspective projection and center-pointing motion, which exacerbates the bas-relief ambiguity, dominant planar geometry, which causes motion estimation degeneracies in classical Structure from Motion, and dynamic illumination conditions, which reduce the survivability of visual information. We validate our approach on realistic, simulated satellite inspection image sequences with a tumbling spacecraft and demonstrate the method's effectiveness over existing monocular initialization procedures.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
