目的:研究一种改进的视觉同时定位与地图构建(simultaneous localization and mapping,SLAM)回环检测方法,以提高算法的定位与建图精度。方法:在ORB-SLAM2回环检测算法基础上,增加图像深度信息利用率,通过词袋模型加速匹配当前帧与每一...目的:研究一种改进的视觉同时定位与地图构建(simultaneous localization and mapping,SLAM)回环检测方法,以提高算法的定位与建图精度。方法:在ORB-SLAM2回环检测算法基础上,增加图像深度信息利用率,通过词袋模型加速匹配当前帧与每一个回环候选帧,分别索引当前帧与该回环候选帧地图匹配点的深度信息,将两者的比值与设定的阈值进行比较,满足阈值条件则证明该回环候选帧为相似场景图像帧,将其剔除。通过相似场景布置,使用Kinect1.0相机采集场景图片,制作相似场景数据集,结合TUM RGBD标准数据集中fr1-room序列对ORB-SLAM2算法和改进算法的性能进行测试,使用evo评价工具比较2种算法的定位精度。结果:在相似场景数据集中,改进算法能够有效剔除错误回环,准确率较高的同时还具有很好的召回率。在TUM RGBD数据集中,改进算法相较于ORBSLAM2算法,均方根误差减小了24.1%,最大误差减小了14.0%。结论:提出的改进算法在相似场景中具有较好的鲁棒性,相较于ORB-SLAM2算法具有更高的定位与建图精度,对于提高搜救机器人的自主行动能力和搜救效率具有重要意义。展开更多