视觉SLAM算法在城市地下空间三维建模中的应用

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。

基于李群的无迹卡尔曼滤波视觉SLAM算法

视觉SLAM算法的理论框架已经十分完备,但是在实际应用中导航准确性还有待改善。基于此问题,提出了基于李群的无迹卡尔曼滤波(UKF⁃LG)视觉SLAM算法,优化了传统无迹卡尔曼滤波(UKF)的系统状态,把UKF的系统状态用李群表示,并构建视觉惯性紧耦合模型。在Euroc数据集下对包含该算法在内的5种滤波法进行了仿真对比,其中,L⁃UKF⁃LG算法比传统的UKF算法有更低的位置和姿态的均方根误差(RMSE)值,有效改善了导航定位准确性。

基于几何⁃语义联合约束的动态环境视觉SLAM算法

传统视觉同步定位和地图构建(Simultaneous localization and mapping,SLAM)算法建立在静态环境假设的基础之上,当场景中出现动态物体时,会影响系统稳定性,造成位姿估计精度下降。现有方法大多基于概率统计和几何约束来减轻少量动态物体对视觉SLAM系统的影响,但是当场景中动态物体较多时,这些方法失效。针对这一问题,本文提出了一种将动态视觉SLAM算法与多目标跟踪算法相结合的方法。首先采用实例语义分割网络,结合几何约束,在有效地分离静态特征点和动态特征点的同时,进一步实现多目标跟踪,改善跟踪结果,并能够获得运动物体的轨迹和速度矢量信息,从而能够更好地为机器人自主导航提供决策信息。在KITTI数据集上的实验表明,该算法在动态场景中相较ORB⁃SLAM2算法精度提高了28%。

基于双目视觉SLAM的室内机器人导航技术

本文首先介绍了视觉SLAM定位流程,以及基于卡尔曼滤波和关键帧的SLAM算法。并通过仿真实验对两种定位算法进行了对比,实验结果表明基于关键帧的SLAM定位更加准确。在此基础上,设计了基于关键帧SLAM算法的机器人导航系统,并对该导航系统中的ORB特征提取与匹配、栅格地图构建、移动机器人路径规划等技术要点展开了分析。最后通过实验对机器人导航系统的特征点移动匹配功能、路径规划功能进行了验证。结果表明该系统能准确匹配处连续运动图像的特征点,可规划出有效的行进路径,满足了机器人精确导航定位的需求。

一种改进的Qtree_ORB算法

在视觉SLAM中,特征点的提取和准确的特征匹配对机器人的位姿推断具有重要作用。针对传统ORB算法特征点分布不均匀,容易出现簇集的问题和Qtree_ORB算法特征点过均匀等问题,提出了一种基于四叉树改进的ORB特征提取算法。对每层图像金字塔进行自适应网格划分,采用自适应阈值来进行特征点提取;根据每层图像金字塔所提取特征点数目对四叉树的划分深度进行限制,减少冗余特征点;设定最小阈值来减少低质量特征点的提取;在Mikolajczyk数据集上对改进算法的均匀度和匹配性能进行测试,在TUM数据集上对改进算法在ORBSALM2系统中的精度进行测试。结果表明改进算法能够有效提高其均匀度,并且保持着较高的匹配精度;在ORBSLAM2测试中,改进算法能有效改进SLAM系统的轨迹精度和漂移程度。

无人艇同步定位与建图技术探究

同步定位与建图技术一直以来都是无人艇导航的一个热门研究方向,通过使用相机来获得周围环境信息以及定位自身位置。本文罗列了近年来出色的视觉SLAM算法和视觉惯导SLAM算法,系统的梳理了算法的优势与不足,同时归纳了SLAM算法的最新研究进展。最后,探讨了SLAM技术的发展趋势。

基于MR技术的电气开关指示位置快速识别方法

电气开关指示位置快速识别是MR智能交互系统的基础服务。为了尽量减少计算负担,首先分析了不同类型开关的状态特征,介绍了MR智能眼镜在开关指示位置识别时的优势,然后根据重要程度不同,应用激光点云扫描技术生成兼顾精度和数据量的设备对象及周边环境三维模型,最后采用基于特征点法的视觉SLAM算法和YOLOv3算法技术完成开关指示位置的定位与快速识别。实际应用表明,对于设备上的开关指示位置,基于MR技术的电气开关指示位置快速识别方法的识别率高达100%,满足MR智能交互系统的需求。