针对小型机器人在复杂环境中进行实时定位与建图时,存在机载端CPU(Central Processing Unit)计算资源不足,建图精度差、探索效率低的问题.本文提出一种基于同时定位与建图(Simultaneous Localization and Mapping,SLAM)、截断符号距离函...针对小型机器人在复杂环境中进行实时定位与建图时,存在机载端CPU(Central Processing Unit)计算资源不足,建图精度差、探索效率低的问题.本文提出一种基于同时定位与建图(Simultaneous Localization and Mapping,SLAM)、截断符号距离函数(Truncated Signed Distance Function,TSDF)实时的三维重建方法 .该方法基于深度相机或双目相机获取重建目标及场景的RGB(Red Green Blue)图和深度图,同时基于ORB_SLAM2获取位姿信息;采用基于特征点云数据的表面重建算法TSDF与深度图相结合,实现一种实时三维场景重建;为了降低三维重建模型与真实场景的误差,提出一种采用光线碰撞检测融合特征点的方法,并结合优化策略减小光线投影距离与体素到物体表面距离的误差.通过优化后的TSDF值,保证了重建场景的完整性.在ASL(Autonomous Systems Lab)开源数据集上,相比于Voxblox、Voxfield和VDBblox,该系统三维重建模型的均方根误差分别下降了55.6%、47.11%、21.7%,相比于Voxblox、Voxfield,系统地图更新速率分别提升了9.7%和12.9%.最后,将该系统用于室内场景实验,地图平均每帧更新速率为7.35 ms/帧,验证了所提系统的可行性和有效性.展开更多
文摘针对小型机器人在复杂环境中进行实时定位与建图时,存在机载端CPU(Central Processing Unit)计算资源不足,建图精度差、探索效率低的问题.本文提出一种基于同时定位与建图(Simultaneous Localization and Mapping,SLAM)、截断符号距离函数(Truncated Signed Distance Function,TSDF)实时的三维重建方法 .该方法基于深度相机或双目相机获取重建目标及场景的RGB(Red Green Blue)图和深度图,同时基于ORB_SLAM2获取位姿信息;采用基于特征点云数据的表面重建算法TSDF与深度图相结合,实现一种实时三维场景重建;为了降低三维重建模型与真实场景的误差,提出一种采用光线碰撞检测融合特征点的方法,并结合优化策略减小光线投影距离与体素到物体表面距离的误差.通过优化后的TSDF值,保证了重建场景的完整性.在ASL(Autonomous Systems Lab)开源数据集上,相比于Voxblox、Voxfield和VDBblox,该系统三维重建模型的均方根误差分别下降了55.6%、47.11%、21.7%,相比于Voxblox、Voxfield,系统地图更新速率分别提升了9.7%和12.9%.最后,将该系统用于室内场景实验,地图平均每帧更新速率为7.35 ms/帧,验证了所提系统的可行性和有效性.
