融合NDT的2D激光数据扫描匹配遗传算法

针对激光数据扫描匹配中正态分布变换(NDT)算法在初始误差较大的情况下容易陷入局部极值的问题,提出了一种融合NDT的遗传算法(NGSAM)。引入NDT构建栅格,同时建立查找表加快求解速度,利用遗传算法搜索当前激光帧扫描数据和参考激光帧扫描数据的最优匹配。仿真实验结果表明:该算法在激光数据扫描匹配问题中取得了很好的效果,进一步提高了移动机器人的定位精度。

SLAM视觉特征点提取和匹配影响因素实验研究

特征点提取和匹配是移动机器人SLAM最基本的视觉前端步骤,直接决定了SLAM定位和建图的效果。为了验证环境变化对不同特征点提取和匹配率的影响,首先利用RANSAC策略剔除误匹配,然后从光照强度、图像旋转、图像模糊、尺度变化和图像弱纹理因素的角度研究了SIFT、SURF和ORB特征点匹配效果。实验表明,ORB特征点完成图像之间匹配速度最快,对环境变化鲁棒性高,具有良好的运算性能和匹配特性,是一种理想的前端视觉特征点选择。

BP神经网络在SLAM特征匹配中的应用

针对移动机器人进行SLAM特征点提取时,因底层机器人搭载的硬件性能低、带宽窄,使用特征点提取算法对图像进行处理时要花费大量时间这一问题,该文提出一种新的方法。首先利用BP神经网络对图像进行压缩,然后进行特征提取,最后再通过RANSAC算法剔除误匹配。通过实验,在使用不同的压缩参数进行图像压缩重建后,再使用SIFT、SURF、ORB、AKAZE和BRISK 5种算法,在旋转、比例变化、模糊、视角变换、光照和JPEG压缩等情况下,均有良好的匹配效果,压缩后图像大小大大减小,并保证了图像的质量,与原处理方法相比,匹配的准确度和匹配时间均优于原方法。