基于ORB特征的改进RGB-D视觉里程计算法研究

提出一种基于ORB特征算子的改进RGB-D视觉里程计算法,针对移动机器人在室内环境定位时存在的精度低、系统处理速度慢等不足,首先对视觉里程计中ORB特征提取信息,采用四叉树形式划分,使特征信息提取均匀化;改进误匹配点剔除算法,缩小抽样点总量,有效剔除误匹配,提高机器人的位姿估计精度;最后,提出一种关键帧提取与筛选策略,利用局部地图判别关键帧,加快系统运行速度,减少跟踪丢失。仿真实验表明:改进后的视觉里程计算法鲁棒性更好,定位精度明显提高。

面向室内弱光环境的视觉与惯导融合算法研究

针对视觉惯性里程计算法在低光照或黑暗等复杂条件下定位精度差的问题,提出了一种基于多状态约束卡尔曼滤波(MSCKF)算法的适应弱光环境的视觉惯性里程计算法。结合离散余弦变换(DCT)同态滤波和限制对比度的自适应图像均衡化处理图像,然后将增强后的图像应用于MSCKF中,计算出精确的初始位姿估计。基于多状态观测约束策略计算特征重投影误差,以更新系统状态。该算法在公开数据集EuRoC上进行了测试。结果表明,不管在正常光照还是弱光照的场景下,该算法相较于原始算法精度均有所提升,最大均方根误差从1.778 m降低到0.249 m,平均均方根误差降低57.7%。