面向动态场景的ORB-SLAM3算法研究

传统的视觉同步定位与地图构建(simultaneous localizationandmapping,SLAM)算法大多是基于静态场景这一假设进行研究,在动态场景中容易出现定位精度不佳、稳定性差等情况。针对这一问题,本文以ORBSLAM3算法为基础,与YOLOv3目标检测网络相结合,在提取特征点的同时进行动态目标检测,根据目标检测结果剔除动态特征点;再利用对极几何约束剔除残留的动态特征点和误匹配的特征点;最后利用剩余的特征点进行帧间匹配和位姿估计,并在TUM数据集上进行实验验证。结果表明:相比较于ORB-SLAM3,本文算法在高动态场景中的系统绝对轨迹误差减少了85%以上,大大提高了定位精度;同时,本文算法跟踪线程每帧图像平均用时为75 ms左右,能够满足实时运行的需求。

快速室内视觉同步定位与建图研究

家居机器人技术一般应用视觉同步定位与建图(SLAM,Simultaneous Localization and Mapping)来实现定位与构建导航地图,如何实现视觉SLAM系统快速准确定位和构建丰富环境信息的地图已经成为视觉SLAM研究的热点问题。本文将光流法与关键点结合,加快视觉SLAM的数据处理速度,并添加稠密点云地图和八叉树地图构建线程来获取环境信息,实现一个较为优秀的视觉SLAM系统。在公开数据集上进行的定位实验表明,该视觉SLAM系统在绝对轨迹误差和相对位姿误差上与ORB-SLAM2系统保持基本一致,并且在其中几项数据中具有更小的误差结果,整体系统对图像的处理速度约为40 FPS(Frames Per Second),是ORB-SLAM2系统的1.4倍左右,说明该系统在提高系统速度的基础上保持了较高的准确度。