基于VI-SLAM的四旋翼自主飞行与三维稠密重构

提出全自主的微型飞行器,使用板载传感器实现三维的同时定位与稠密重构。在ORB-SLAM系统的基础上,基于扩展卡尔曼滤波器实现了视觉-惯导的传感器融合,提高了系统的稳健性和精度以满足微型飞行器自主飞行的要求。由于ORB-SLAM系统创建的稀疏的特征地图不能用于微型飞行器的避障和导航,使用双目摄像机提出了改进的构建地图的方法,由稀疏特征点地图扩展为稠密的八叉树地图。通过EuRoC数据集进行评估,可以验证本文算法较基于关键帧的视觉-惯导算法平均精度提升了1倍。将本文算法应用于所搭建的四旋翼自主飞行平台,仅依靠板载传感器和处理器,实现了全自主飞行与稠密地图构建,验证了本文算法的有效性和稳健性。

基于候选点稠密匹配的三维场景重构方法

针对星球探测机器人在未知环境中三维场景重建存在的计算复杂度问题,提出基于网格候选点的三目立体匹配算法。在空间中建立代表深度信息的网格节点,并对深度方向的节点分布进行合理规划,确保候选点稠密匹配的准确性和高效性。候选点匹配解决了传统立体匹配算法中图像校正带来的实时性问题,同时采用三目视觉系统代替双目,通过另一组对应点的相似性测度对潜在歧义的少量候选点进行二次判决。实验证明,由于处理每组图像对不再需要进行极线校正,因此计算代价与传统的匹配算法相比有一定降低,而第三台摄像机有效消除了匹配歧义,计算量相对于双目系统也没有明显增加。