基于图优化的同时定位与建图(Simultaneous Localization and Mapping,SLAM)系统中,错误闭环边的存在会干扰图优化器的收敛,导致优化速度下降,从而降低了SLAM系统的精度和鲁棒性。因此,针对错误闭环边,提出了基于边图重构权重模型的位...基于图优化的同时定位与建图(Simultaneous Localization and Mapping,SLAM)系统中,错误闭环边的存在会干扰图优化器的收敛,导致优化速度下降,从而降低了SLAM系统的精度和鲁棒性。因此,针对错误闭环边,提出了基于边图重构权重模型的位姿图优化(Edge Graph Reconstructed weight model for Pose Graph Optimization,EGR-PGO)算法,有效提高位姿图优化算法的鲁棒性。该算法引入边图转换模型,利用PageRank算法,对权重函数的参数进行动态调整,从而实现对闭环边权重的优化。在每次迭代过程中,该算法都会依据残差的变化量和闭环边的长度再次剔除错误闭环边,以降低错误闭环边对优化过程产生的干扰。最后,在PGO数据集上进行蒙特卡洛实验。实验结果验证了EGR-PGO算法的快速性和鲁棒性及剔除错误闭环边时的有效性。展开更多
地磁同步定位与构图(simultaneously localization and mapping,SLAM)无须先验地磁指纹库,即可实现基于智能手机的未知室内环境定位。然而,智能手机地磁SLAM仍受限于惯性定位精度差、因子图优化算法动态适应能力不足及大型场景SLAM应用...地磁同步定位与构图(simultaneously localization and mapping,SLAM)无须先验地磁指纹库,即可实现基于智能手机的未知室内环境定位。然而,智能手机地磁SLAM仍受限于惯性定位精度差、因子图优化算法动态适应能力不足及大型场景SLAM应用系统性能恶化等技术瓶颈。为解决此问题,本文通过设计方差时序递增机制和多源关键数据帧,提出一种面向大型室内场景的地磁SLAM增强优化算法。首先,为了提高惯性定位精度,本文挖掘行人运动过程中呈现出的特征规律构建观测方程,并融合地磁环境信息实现手机端地磁SLAM。然后,针对因子图优化算法动态适应能力不足,采用前端卡尔曼滤波与后端因子图优化相结合的定位框架提升时效性,同时设计方差时序递增机制,动态融合不同定位方法。最后,为了缓解大型场景地磁SLAM性能恶化,在时序维度上扩展关键帧概念和特征表达能力,有效缓解大型场景地磁误匹配问题;结合多源数据设计稳健回环探测与匹配算法,构建关键帧评分机制降低空间密度,从而提高算法效率。试验结果表明,本文实现了大型室内场景闭环情形下的地磁SLAM,相比惯性定位和经典地磁SLAM,本文提出的地磁SLAM增强优化方法的位置均方根误差降低了18%~67%;并且在仅利用标准方法22.6%的关键帧数量的前提下,本文方法仍能保持更高精度、更平滑的定位结果;通过试验探究了参数设置对定位精度和运行时间的影响,明确了地磁图构建首要因素基函数体素网格边长。展开更多
文摘基于图优化的同时定位与建图(Simultaneous Localization and Mapping,SLAM)系统中,错误闭环边的存在会干扰图优化器的收敛,导致优化速度下降,从而降低了SLAM系统的精度和鲁棒性。因此,针对错误闭环边,提出了基于边图重构权重模型的位姿图优化(Edge Graph Reconstructed weight model for Pose Graph Optimization,EGR-PGO)算法,有效提高位姿图优化算法的鲁棒性。该算法引入边图转换模型,利用PageRank算法,对权重函数的参数进行动态调整,从而实现对闭环边权重的优化。在每次迭代过程中,该算法都会依据残差的变化量和闭环边的长度再次剔除错误闭环边,以降低错误闭环边对优化过程产生的干扰。最后,在PGO数据集上进行蒙特卡洛实验。实验结果验证了EGR-PGO算法的快速性和鲁棒性及剔除错误闭环边时的有效性。
文摘地磁同步定位与构图(simultaneously localization and mapping,SLAM)无须先验地磁指纹库,即可实现基于智能手机的未知室内环境定位。然而,智能手机地磁SLAM仍受限于惯性定位精度差、因子图优化算法动态适应能力不足及大型场景SLAM应用系统性能恶化等技术瓶颈。为解决此问题,本文通过设计方差时序递增机制和多源关键数据帧,提出一种面向大型室内场景的地磁SLAM增强优化算法。首先,为了提高惯性定位精度,本文挖掘行人运动过程中呈现出的特征规律构建观测方程,并融合地磁环境信息实现手机端地磁SLAM。然后,针对因子图优化算法动态适应能力不足,采用前端卡尔曼滤波与后端因子图优化相结合的定位框架提升时效性,同时设计方差时序递增机制,动态融合不同定位方法。最后,为了缓解大型场景地磁SLAM性能恶化,在时序维度上扩展关键帧概念和特征表达能力,有效缓解大型场景地磁误匹配问题;结合多源数据设计稳健回环探测与匹配算法,构建关键帧评分机制降低空间密度,从而提高算法效率。试验结果表明,本文实现了大型室内场景闭环情形下的地磁SLAM,相比惯性定位和经典地磁SLAM,本文提出的地磁SLAM增强优化方法的位置均方根误差降低了18%~67%;并且在仅利用标准方法22.6%的关键帧数量的前提下,本文方法仍能保持更高精度、更平滑的定位结果;通过试验探究了参数设置对定位精度和运行时间的影响,明确了地磁图构建首要因素基函数体素网格边长。
