基于立体视觉的2D占据网格地图构建

目前大多数视觉SLAM系统只能输出相机轨迹与稀疏点云地图,无法适用于机器人进行导航、避障任务。通过单目相机虽然可以构建网格地图,但没有尺度信息,RGBD相机虽然具有尺度信息,但是在室外受环境光影响比较大。该文在ORB-SLAM2算法的基础上,采用双目视觉计算相机位姿,DepthToScan通过立体视觉的深度图像得到深度信息,在此基础上采用逆传感器模型计算占据概率,并在ROS通用平台下结合占据网格地图,重新构建了一种可用于机器人路径规划、导航的2D占据网格地图算法。实验表明,该方案能清晰标识出环境中障碍物的位置,建图精度相比于RTAB-map提高了3%。

基于ORB-SLAM2的三维占据网格地图的实时构建

针对ORB-SLAM2系统只能输出相机的运动轨迹图,而不能生成用于路径规划和导航地图的问题,提出了一种基于ORB-SLAM2的跳表地图(SkipList Map)构建算法,可用于三维占据网格地图实时构建。首先搭建了一个用于三维占据网格地图实时构建的SkipList Map模型,其时间复杂度仅为O(lg n);其次对SkipList Map三维占据网格地图的生成与更新做了详细推导;最后设计了ORB-SLAM2与SkipList Map算法相结合的方案。通过效率对比实验,表明本文算法具有较高的时间效率与灵活性;搭建实验所需平台并进行了真实场景实时实验,实验表明本文算法能实现三维网格地图的实时构建;且能清晰标识出环境中障碍物的位置,验证了本文算法的有效性。