针对特征法视觉同步定位与地图构建(simultaneous localization and mapping,SLAM)耗时久、纹理缺失场景易跟踪失败而只能重建稀疏点云的问题,提出一种基于半直接视觉里程计的SLAM稠密重建算法。该算法以ORB-SLAM2框架为基础,视觉里程...针对特征法视觉同步定位与地图构建(simultaneous localization and mapping,SLAM)耗时久、纹理缺失场景易跟踪失败而只能重建稀疏点云的问题,提出一种基于半直接视觉里程计的SLAM稠密重建算法。该算法以ORB-SLAM2框架为基础,视觉里程计采用直接法最小化光度误差求解相机初始位姿,采用特征法最小化重投影误差优化位姿,提高相机位姿的输出频率;以一种冗余关键帧删除算法计算帧间相对运动距离,删除视野重叠的关键帧;使用筛选后的关键帧进行闭环检测,构建稠密点云地图,滤波后转换为存储效率更高的八叉树地图。结果表明,所提算法能有效解决相机快速运动场景和纹理缺失场景跟踪失败的问题,实现三维地图重建,具有较高的定位精度与实时性。展开更多
文摘针对特征法视觉同步定位与地图构建(simultaneous localization and mapping,SLAM)耗时久、纹理缺失场景易跟踪失败而只能重建稀疏点云的问题,提出一种基于半直接视觉里程计的SLAM稠密重建算法。该算法以ORB-SLAM2框架为基础,视觉里程计采用直接法最小化光度误差求解相机初始位姿,采用特征法最小化重投影误差优化位姿,提高相机位姿的输出频率;以一种冗余关键帧删除算法计算帧间相对运动距离,删除视野重叠的关键帧;使用筛选后的关键帧进行闭环检测,构建稠密点云地图,滤波后转换为存储效率更高的八叉树地图。结果表明,所提算法能有效解决相机快速运动场景和纹理缺失场景跟踪失败的问题,实现三维地图重建,具有较高的定位精度与实时性。