目的为提高医疗服务机器人同时定位与地图构建(SLAM)算法全局定位精度和实时性,提出基于点线特征SLAM(PL-SLAM)算法,并与ORB(oriented FAST and rotated BRIEF)-SLAM2算法进行比较。方法PL-SLAM算法在特征提取过程中在点特征的基础上增...目的为提高医疗服务机器人同时定位与地图构建(SLAM)算法全局定位精度和实时性,提出基于点线特征SLAM(PL-SLAM)算法,并与ORB(oriented FAST and rotated BRIEF)-SLAM2算法进行比较。方法PL-SLAM算法在特征提取过程中在点特征的基础上增加线段特征,根据融合后的点线特征,在复杂医疗环境内进行地图创建与全局定位。利用公开数据集EuRoc和KITTI对比PL-SLAM算法与ORB-SLAM2算法,测试医疗服务机器人的自主导航综合性能。结果与ORB-SLAM2算法相比,PL-SLAM算法在弱纹理环境下能够提取较多的点线特征,定位精度和实时性均有较大提升。其中旋转误差较ORB-SLAM2算法减小42.2%,运算速度提高55.9%。结论PL-SLAM算法能够有效提高医疗服务机器人全局定位精度和实时性。展开更多
文摘目的为提高医疗服务机器人同时定位与地图构建(SLAM)算法全局定位精度和实时性,提出基于点线特征SLAM(PL-SLAM)算法,并与ORB(oriented FAST and rotated BRIEF)-SLAM2算法进行比较。方法PL-SLAM算法在特征提取过程中在点特征的基础上增加线段特征,根据融合后的点线特征,在复杂医疗环境内进行地图创建与全局定位。利用公开数据集EuRoc和KITTI对比PL-SLAM算法与ORB-SLAM2算法,测试医疗服务机器人的自主导航综合性能。结果与ORB-SLAM2算法相比,PL-SLAM算法在弱纹理环境下能够提取较多的点线特征,定位精度和实时性均有较大提升。其中旋转误差较ORB-SLAM2算法减小42.2%,运算速度提高55.9%。结论PL-SLAM算法能够有效提高医疗服务机器人全局定位精度和实时性。