基于改进的LSD线特征提取算法研究

基于LSD直线段检测算法可能导致直线提取碎片化的问题,提出了改进的LSD线特征检测算法,根据角度和距离对直线进行筛选,解决了直线提取碎片化问题,采用LBD(line band discriptor)描述相邻帧图像之间的线特征相似度,提高了视觉SLAM位姿优化的计算效率,在公开数据集上对LSD算法与改进后的算法进行对比实验。结果表明,改进后的LSD在匹配精度上提升了27.8%。

现代 SLAM 算法研究

SLAM 自 1988 年提出到今天,已经有 30 年的发展历史。随着这些年里人工智能和机器学习领域的发展,机器视觉领域的发展 日新月异,SLAM 技术发展的步伐也随之迅速了起来。本文主要分析 SLAM 技术中 LSD-SLAM、SVO 和 DSO 的研究,研究这几个当前做 的最优秀的 SLAM 研究思想,最后提出对 SLAM 未来发展的看法。

基于线段检测的栅格地图划分方法

通过划分基于同时定位与地图构建(SLAM)技术构建的栅格地图,将地图中的室内区域识别出来,实现机器人导航目标位置的灵活标记。首先对SLAM技术构建的栅格地图进行了二值化,使用直线段检测器(LSD)识别地图中的所有线段,采用分组和拟合方法获得室内环境边界的线段;然后利用边界与边界交点将地图划分为多个矩形块;最后对矩形块进行合并、聚合等处理,从而在栅格地图上划分出室内区域。标记后的室内区域与语音功能相结合扩展了机器人导航的输入方式。测试结果表明:该方法将不同室内环境和存在家具条件下生成的栅格地图划分出室内区域时具有较高的召回率。