一种基于改进词袋模型的视觉SLAM算法

针对室内环境中视觉同时定位与建图(simultaneous localization and mapping,SLAM)精度不高和实用性较差等问题,采用深度相机作为传感器,提出一种基于改进词袋模型的视觉SLAM算法。该算法通过增加节点距离的方式,对传统的词袋模型进行改进,采用octree方法转化点云,生成可用于导航的八叉树图,并进行改进前后词袋模型对比实验、数据集精度实验和实验室实测。结果表明,改进后的词袋模型相似度计算能力和区分度更强,SLAM算法在环境有回环和相机运动较慢的情况下,效果较好,可满足室内同时定位与建图及后续导航需求。

基于ORB-slam2改进的八叉树地图构建

ORB-slam2在建图部分构建的是稀疏特征点地图,无法提供导航功能。考虑到八叉树地图可以实现三维导航,该文在原ORB-slam2算法的基础上增加了八叉树的地图构建。实现方式是将点云地图转化为八叉树地图,并在建图之后对地图进行滤波处理。通过对TUM数据集和真实环境的同步定位与地图构建实验证明,滤波之后的八叉树地图在不破坏环境结构的情况下,相比于点云地图节省了大量的内存空间,并且去除了因为噪声产生的孤立的点,使地图变得干净准确,为后续的三维导航提供有效的技术支持。