基于改进LK光流的视觉SLAM算法

针对基于点特征的视觉SLAM(同步定位与建图)实时性差的问题,以ORB-SLAM3框架为基础,用自监督深度神经网络替换其点特征提取器,并提出一种基于改进LK光流的关键点跟踪匹配方法。首先,根据匀加速运动模型预测初始关键点在当前帧的对应关系及坐标,并通过基于金字塔的LK光流跟踪算法建立鲁棒的关键点匹配关系;然后,基于网格运动统计(GMS)及自适应局部仿射匹配(AdaLAM)算法剔除误匹配点对。在公开数据集上的实验表明,在不损失匹配精度的前提下,改进算法每帧图像的平均处理时间比ORB-SLAM3减少约58.06%,有效提高了系统的实时性和鲁棒性。

基于凸组合和Bar-Shalom-Campo的航迹融合算法研究

在"当前"统计模型的基础上建立了匀加速运动模型,设定了目标的运动过程,考虑到实际应用的局限,利用自适应扩展卡尔曼滤波(AEKF)对目标的运动状态进行估计。为得到更加精确可靠的信息,利用凸组合融合算法和Bar-Shalom-Campo融合算法对目标航迹进行融合估计,并利用这三种方法对设定目标的运动情况进行仿真估计,给出仿真结果。