针对传统SLAM算法在动态环境中会受到动态特征点的影响,导致算法定位精度下降的问题,提出了一种融合语义信息的视觉惯性SLAM算法SF-VINS(visual inertial navigation system based on semantics fusion)。首先基于VINS-Mono算法框架,将...针对传统SLAM算法在动态环境中会受到动态特征点的影响,导致算法定位精度下降的问题,提出了一种融合语义信息的视觉惯性SLAM算法SF-VINS(visual inertial navigation system based on semantics fusion)。首先基于VINS-Mono算法框架,将语义分割网络PP-LiteSeg集成到系统前端,并根据语义分割结果去除动态特征点;其次,在后端利用像素语义概率构建语义概率误差约束项,并使用特征点自适应权重,提出了新的BA代价函数和相机外参优化策略,提高了状态估计的准确度;最后,为验证该算法的有效性,在VIODE和NTU VIRAL数据集上进行实验。实验结果表明,与目前先进的视觉惯性SLAM算法相比,该算法在动态场景和静态场景的定位精度和鲁棒性均有一定优势。展开更多
本文研究了基于视觉即时定位与地图构建(Simultaneous Localization and Mapping,SLAM)算法的城市地下空间三维建模技术,结合地下空间特点,提出了一种新的三维建模方法。通过优化SLAM算法,实现了在地下环境中高效准确地构建三维模型的...本文研究了基于视觉即时定位与地图构建(Simultaneous Localization and Mapping,SLAM)算法的城市地下空间三维建模技术,结合地下空间特点,提出了一种新的三维建模方法。通过优化SLAM算法,实现了在地下环境中高效准确地构建三维模型的目标。利用RGB-D深度相机,实现了对地下环境的立体感知和数据采集,提升了模型的准确性和响应速度。经测试,验证了所采用方法的有效性和可行性,为城市地下空间的数字化建设提供了关键的技术支持。展开更多
同时定位与建图(Simultaneous Localization and Mapping,SLAM)是机器人领域的研究热点,被认为是实现机器人自主运动的关键。传统的基于RGB-D摄像头的SLAM算法(RGB-D SLAM)采用SIFT(Scale-Invariant Feature Transform)特征描述符来计...同时定位与建图(Simultaneous Localization and Mapping,SLAM)是机器人领域的研究热点,被认为是实现机器人自主运动的关键。传统的基于RGB-D摄像头的SLAM算法(RGB-D SLAM)采用SIFT(Scale-Invariant Feature Transform)特征描述符来计算相机位姿,采用GPU加速的siftGPU算法克服SITF特征提取慢的缺点,但多数嵌入式设备缺乏足够的GPU运算能力,使其应用性受到局限。此外,常规算法在闭环检测时效率较低,实时性不强。针对上述问题,提出了一种结合ORB(oriented FAST and rotated BRIEF)特征与视觉词典的SLAM算法。在算法前端,首先提取相邻图像的ORB特征,然后利用k近邻(k-Nearest Neighbor,kNN)匹配找到对应的最临近与次临近匹配,接着采用比值检测与交叉检测剔除误匹配点,最后采用改进的PROSAC-PnP(Progressive Sample Consensus based Perspective-N-Point)算法进行相机姿态计算,得到对相机位姿的高精度估计。在后端,提出了一种基于视觉词典的闭环检测算法来消除机器人运动中的累计误差。通过闭环检测增加帧间约束,利用通用图优化工具进行位姿图优化,得到全局一致的相机位姿与点云。通过对标准fr1数据集的测试和对比,表明了该算法具有较强的鲁棒性。展开更多
在低纹理场景中,基于点特征的同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)算法很难追踪足够多的有效特征点,系统甚至无法正常工作.众所周知,丰富的线段特征存在在人造结构化环境中的地面与墙面交界处.因此,提出一...在低纹理场景中,基于点特征的同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)算法很难追踪足够多的有效特征点,系统甚至无法正常工作.众所周知,丰富的线段特征存在在人造结构化环境中的地面与墙面交界处.因此,提出一种点线特征融合的双目视觉SLAM算法.在特征提取前,引入梯度密度滤波器加速线特征提取和提高线匹配的准确度,在特征点匹配阶段,采用渐进采样一致性(Progressive Sampling Consensus,PROSAC)算法剔除误匹配点,从而提高定位精度.此外,在特征的融合过程中引入加权思想.在构造误差函数时对点线特征权重进行合理分配.最后,通过在公开的数据集上得到的仿真并与一些优秀的算法进行对比,该算法性能优于PL-SLAM和LSD-SLAM算法,证明了算法的有效性和准确性.展开更多
文摘针对传统SLAM算法在动态环境中会受到动态特征点的影响,导致算法定位精度下降的问题,提出了一种融合语义信息的视觉惯性SLAM算法SF-VINS(visual inertial navigation system based on semantics fusion)。首先基于VINS-Mono算法框架,将语义分割网络PP-LiteSeg集成到系统前端,并根据语义分割结果去除动态特征点;其次,在后端利用像素语义概率构建语义概率误差约束项,并使用特征点自适应权重,提出了新的BA代价函数和相机外参优化策略,提高了状态估计的准确度;最后,为验证该算法的有效性,在VIODE和NTU VIRAL数据集上进行实验。实验结果表明,与目前先进的视觉惯性SLAM算法相比,该算法在动态场景和静态场景的定位精度和鲁棒性均有一定优势。
文摘本文研究了基于视觉即时定位与地图构建(Simultaneous Localization and Mapping,SLAM)算法的城市地下空间三维建模技术,结合地下空间特点,提出了一种新的三维建模方法。通过优化SLAM算法,实现了在地下环境中高效准确地构建三维模型的目标。利用RGB-D深度相机,实现了对地下环境的立体感知和数据采集,提升了模型的准确性和响应速度。经测试,验证了所采用方法的有效性和可行性,为城市地下空间的数字化建设提供了关键的技术支持。
文摘同时定位与建图(Simultaneous Localization and Mapping,SLAM)是机器人领域的研究热点,被认为是实现机器人自主运动的关键。传统的基于RGB-D摄像头的SLAM算法(RGB-D SLAM)采用SIFT(Scale-Invariant Feature Transform)特征描述符来计算相机位姿,采用GPU加速的siftGPU算法克服SITF特征提取慢的缺点,但多数嵌入式设备缺乏足够的GPU运算能力,使其应用性受到局限。此外,常规算法在闭环检测时效率较低,实时性不强。针对上述问题,提出了一种结合ORB(oriented FAST and rotated BRIEF)特征与视觉词典的SLAM算法。在算法前端,首先提取相邻图像的ORB特征,然后利用k近邻(k-Nearest Neighbor,kNN)匹配找到对应的最临近与次临近匹配,接着采用比值检测与交叉检测剔除误匹配点,最后采用改进的PROSAC-PnP(Progressive Sample Consensus based Perspective-N-Point)算法进行相机姿态计算,得到对相机位姿的高精度估计。在后端,提出了一种基于视觉词典的闭环检测算法来消除机器人运动中的累计误差。通过闭环检测增加帧间约束,利用通用图优化工具进行位姿图优化,得到全局一致的相机位姿与点云。通过对标准fr1数据集的测试和对比,表明了该算法具有较强的鲁棒性。