改进ORB特征的机器人RGB-D SLAM算法

基于特征的视觉同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)存在实时性和鲁棒性差等问题,提出一种改进的基于四叉树的ORB特征提取方法,设计包含前后端及地图构建的机器人RGB-D SLAM算法。在前端使用四叉树方法完成ORB特征的均匀提取,计算描述子间汉明距离实现特征匹配。根据随机采样一致性算法思想,结合EPNP(Efficient Perspective-N-Point)和迭代最近点法求解位姿,获取多次迭代后的准确位姿。采用关键帧进行回环检测,并且基于光速法平差优化位姿图,从而构建全局一致的3D地图,达到减少累积误差的目的。通过TUM数据集和多履带式全向移动机器人进行对比验证,实验结果满足实时性和稳定性要求,证明了算法的可行性和有效性。

基于改进ORB算法的视觉里程计定位方法

针对环境亮度变化导致V-SLAM视觉里程计定位精度不准确的问题,提出一种基于改进ORB算法的视觉里程计定位方法。使用自适应阈值ORB算法提取特征点,提高特征提取的稳定性,通过FLANN进行粗匹配并采用PROSAC算法进行误匹配剔除,同时利用ICP方法进行图像配准求解位姿,使用光束法平差对轨迹图进行优化,采用TUM标准数据集和移动机器人验证算法的有效性。实验结果表明,该方法在大部分情况下定位精度优于其它算法,满足移动机器人的实际定位需求。