采用平面-空间颜色局部一致性的点云模型描述

为了避免在建模过程中对动态模型进行网格化处理和纹理映射,获得较高的建模速度及良好的模型外观,提出一种基于点云模型的动态物体模型重建方法.通过分水岭分割原理进行图像分割并提取分水岭轮廓;然后采用剪影轮廓序列建模方法重建物体的稀疏点云模型;最后根据平面-空间颜色局部一致性原理扩充模型,获得稠密点云模型.实验结果表明,该方法能够快速生成紧致性描述且具有外观表象的三维模型.

基于动态耦合与空间数据关联的RGB-D SLAM算法

为了解决动态环境下视觉SLAM(同步定位与地图创建)算法定位与建图精度下降的问题,提出了一种基于动态耦合与空间数据关联的RGB-D SLAM算法。首先,使用语义网络获得预处理的语义分割图像,并利用边缘检测算法和相邻语义判定获得完整的语义动态物体;其次,利用稠密直接法模块实现对相机姿态的初始估计,这里动态耦合分数值的计算在利用了传统的动态区域剔除之外,还使用了空间平面一致性判据和深度信息筛选;然后,结合空间数据关联算法和相机位姿实时更新地图点集,并利用最小化重投影误差和闭环优化线程完成对相机位姿的优化;最后,使用相机位姿和地图点集构建八叉树稠密地图,实现从平面到空间的动态区域剔除,完成静态地图在动态环境下的构建。根据高动态环境下TUM数据集测试结果,本文算法定位误差相比于ORB-SLAM算法减小了约90%,有效提高了RGB-D SLAM算法的定位精度和相机位姿估计精度。