随着机器视觉的高速发展,视觉同步定位与地图构建(visual simultaneous localization and mapping,V-SLAM)成为室内定位、导航应用的研究热点。针对传统ORB算法提取特征点分布不均匀的问题,在前端采用四叉树算法管理特征点,实现特征点...随着机器视觉的高速发展,视觉同步定位与地图构建(visual simultaneous localization and mapping,V-SLAM)成为室内定位、导航应用的研究热点。针对传统ORB算法提取特征点分布不均匀的问题,在前端采用四叉树算法管理特征点,实现特征点均匀化分布,并结合渐进抽样一致性(progressive sample consensus,PROSAC)算法剔除误匹配特征点;在后端,采用构建词袋(bag of words,BoW)法对关键帧进行回环检测,判断帧与帧之间是否存在回环,并采用光束平差(bundle adjustment,BA)法进行相机位姿优化,修正相机位姿。在图像特征点提取和匹配实验中,通过与传统ORB算法及其他方法对比,证明本文算法具有较好的运算效率。与ORB_SLAM-modified算法进行轨迹对比实验,分析生成的点云图,结果表明,本文算法具有较高的可靠性和精确度。展开更多
针对大视角情况下,移动机器人3维视觉同步定位与地图构建(visual simultaneous localization and mapping,V-SLAM)性能下降的问题,提出了一种仿射不变特征匹配算法AORB(affine oriented FAST and rotated BRIEF)并在此基础上构建了基于K...针对大视角情况下,移动机器人3维视觉同步定位与地图构建(visual simultaneous localization and mapping,V-SLAM)性能下降的问题,提出了一种仿射不变特征匹配算法AORB(affine oriented FAST and rotated BRIEF)并在此基础上构建了基于Kinect的移动机器人大视角3D V-SLAM系统.首先对Kinect相机采集到的彩色RGB数据采用AORB算法实现具有大视角变化的相邻帧图像之间的快速有效匹配以建立相邻帧之间的对应关系;然后根据Kinect相机标定得到的内外参数以及对准校正后的像素点深度值将2D图像点转换为3D彩色点云数据;接着结合随机抽样一致性算法(RANdom Sample Consensus,RANSAC)去除3D点云中的外点,并利用RANSAC的内点进行最小二乘算法下机器人相邻位姿的估计;最后采用g2o(general graph optimization)优化方法对机器人位姿进行优化,从而建立3D V-SLAM模型.最终实现了移动机器人大视角3D视觉SLAM.基于标准数据集的离线实验和基于真实环境的机器人在线实验结果表明,本文所提出的匹配算法和所构建的3D V-SLAM系统在大视角情况下能完成局部模型的准确更新,成功地重构出环境模型并有效地估计出机器人的运动轨迹.展开更多
目的目前已有的单目视觉SLAM(simultaneous localization and mapping)系统每次开始运行时都将初始帧而不是绝对位置设置为参考帧,不能在一个固定的坐标系中获得位姿,导致无法重用已有的建图信息,而且在复杂场景中相机容易跟踪失败,需...目的目前已有的单目视觉SLAM(simultaneous localization and mapping)系统每次开始运行时都将初始帧而不是绝对位置设置为参考帧,不能在一个固定的坐标系中获得位姿,导致无法重用已有的建图信息,而且在复杂场景中相机容易跟踪失败,需要当前帧与已有的关键帧非常相似时才能重定位并继续建图。针对这个问题,提出一种具有重新初始化、地图重用与地图恢复能力的视觉SLAM系统。方法首先,加载先验地图,通过ORB(oriented brief)特征匹配SLAM系统当前帧与先验地图关键帧,并结合重定位方法完成SLAM系统的初始化。接着,为了避免丢失地图,建立一种应对SLAM系统跟踪失败的地图保存机制,保存跟踪成功地图,并提出一种自适应快速重新初始化算法,引入灭点检测,自动选择最佳重新初始化策略,保证SLAM系统继续跟踪与建图,建立的地图称为恢复地图。最后,对于跟踪成功地图与恢复地图,采用改进的回环方法获得它们之间的转换关系,并提出一种地图恢复法,减少跟踪成功地图与恢复地图尺度不一带来的误差,确保得到的全局一致地图更加准确。结果在经过加噪处理的KITTI数据集上进行地图恢复融合的测试,实验结果表明,在KITTI00、KITTI02、KITTI05数据集下,本文提出的SLAM系统比ORB-SLAM2系统分别可以多获得39.25%、47.75%、32.46%的地图信息。在EuRo C数据集上的运行结果表明,本文提出的单目视觉SLAM系统不仅在建图精度方面与ORB-SLAM2效果相当,还在跟踪稳定性方面有显著提升。结论本文提出的SLAM系统可以在跟踪失败的情况下有效恢复地图;此外,还可以高效重用SLAM系统已有的建图结果,固定SLAM地图坐标系,提升SLAM系统运行稳定性。展开更多
视觉SLAM(simultaneous localization and mapping)是智能车辆领域的研究热点,在包含运动目标干扰或近景特征不显著的场景中,容易产生帧间位姿估计结果精度不足或失效问题.为此,本文提出一种结合场景语义信息和路面结构化特征的SLAM算法...视觉SLAM(simultaneous localization and mapping)是智能车辆领域的研究热点,在包含运动目标干扰或近景特征不显著的场景中,容易产生帧间位姿估计结果精度不足或失效问题.为此,本文提出一种结合场景语义信息和路面结构化特征的SLAM算法.首先,针对上述特殊场景中运动目标干扰的情况,设计带有改进金字塔池化模块的语义分割神经网络,得到图像中各像素对应的目标类别,作为剔除运动像素点的依据,从而避免运动点参与特征匹配导致的位姿计算准确性下降问题;然后,针对有效近景特征点不足的情况,基于V视差算法确定图像中的道路平面区域并拟合出精确的视差方程,以计算路面上像素点的精确视差值,并提出一种基于路面结构化特征(车道线、马路边界、路面交通标记等)的位姿计算方法;最后通过场景实验得出,本文提出的改进算法计算结果的绝对轨迹误差小于原算法.证明该方法能够在存在运动目标干扰或缺乏近景特征的场景中具有较高的位姿估计精度,建立了有效的包含语义信息的稠密点云地图,具有良好的环境适应性.展开更多
同步定位与建图(Simultaneous Localization And Mapping,SLAM)技术已经成为移动机器人领域重要的导航方式,视觉传感器由于便宜的价格和丰富的图像信息,让视觉同步定位与建图(Visual Simultaneous Localization And Mapping,V-SLAM)技...同步定位与建图(Simultaneous Localization And Mapping,SLAM)技术已经成为移动机器人领域重要的导航方式,视觉传感器由于便宜的价格和丰富的图像信息,让视觉同步定位与建图(Visual Simultaneous Localization And Mapping,V-SLAM)技术受到研究者广泛关注。为提升V-SLAM的综合性能,多种传感器信息融合的V-SLAM得到了快速发展。归纳并整理几何变换法的V-SLAM中各关键环节,详细阐述了SLAM中视觉与IMU传感器融合方法,对松融合与紧拟合两种主流方法进行论述,并对一些具有代表性的传统视觉惯性融合的SLAM方案进行讨论分析。最后,总结了视觉惯性融合的SLAM方案的关键问题和未来的发展方向。展开更多
针对ORB配准算法在视觉同时定位与地图构建(Visual Simultaneous Localization And Mapping,V-SLAM)中存在的效率低下及误匹配问题,提出了改进的ORB配准算法。首先,在提取特征点时,采用二分区域法对图像进行预处理,以缩短特征点提取的时...针对ORB配准算法在视觉同时定位与地图构建(Visual Simultaneous Localization And Mapping,V-SLAM)中存在的效率低下及误匹配问题,提出了改进的ORB配准算法。首先,在提取特征点时,采用二分区域法对图像进行预处理,以缩短特征点提取的时间,同时通过构建图像金字塔以增加特征点的尺度不变性。其次,在配准特征点时,使用汉明距离结合改进的RANSAC算法完成特征点的配准,以获得更加精准的配准点对。最后,使用OpenCV对采集的图像进行验证。实验结果表明,改进的ORB配准算法可以缩短特征点的提取及配准时间,同时有效地剔除误匹配点对,提高了特征点配准的成功率,给V-SLAM中的位姿估计算法提供了良好的初始值。展开更多
The extraction and description of image features are very important for visual simultaneous localization and mapping(V-SLAM).A rotated boosted efficient binary local image descriptor(BEBLID)SLAM(RB-SLAM)algorithm base...The extraction and description of image features are very important for visual simultaneous localization and mapping(V-SLAM).A rotated boosted efficient binary local image descriptor(BEBLID)SLAM(RB-SLAM)algorithm based on improved oriented fast and rotated brief(ORB)feature description is proposed in this paper,which can solve the problems of low localization accuracy and time efficiency of the current ORB-SLAM3 algorithm.Firstly,it uses the BEBLID to replace the feature point description algorithm of the original ORB to enhance the expressiveness and description efficiency of the image.Secondly,it adds rotational invariance to the BEBLID using the orientation information of the feature points.It also selects the rotationally stable bits in the BEBLID to further enhance the rotational invariance of the BEBLID.Finally,it retrains the binary visual dictionary based on the BEBLID to reduce the cumulative error of V-SLAM and improve the loading speed of the visual dictionary.Experiments show that the dictionary loading efficiency is improved by more than 10 times.The RB-SLAM algorithm improves the trajectory accuracy by 24.75%on the TUM dataset and 26.25%on the EuRoC dataset compared to the ORB-SLAM3 algorithm.展开更多
文摘随着机器视觉的高速发展,视觉同步定位与地图构建(visual simultaneous localization and mapping,V-SLAM)成为室内定位、导航应用的研究热点。针对传统ORB算法提取特征点分布不均匀的问题,在前端采用四叉树算法管理特征点,实现特征点均匀化分布,并结合渐进抽样一致性(progressive sample consensus,PROSAC)算法剔除误匹配特征点;在后端,采用构建词袋(bag of words,BoW)法对关键帧进行回环检测,判断帧与帧之间是否存在回环,并采用光束平差(bundle adjustment,BA)法进行相机位姿优化,修正相机位姿。在图像特征点提取和匹配实验中,通过与传统ORB算法及其他方法对比,证明本文算法具有较好的运算效率。与ORB_SLAM-modified算法进行轨迹对比实验,分析生成的点云图,结果表明,本文算法具有较高的可靠性和精确度。
文摘视觉SLAM(simultaneous localization and mapping)是智能车辆领域的研究热点,在包含运动目标干扰或近景特征不显著的场景中,容易产生帧间位姿估计结果精度不足或失效问题.为此,本文提出一种结合场景语义信息和路面结构化特征的SLAM算法.首先,针对上述特殊场景中运动目标干扰的情况,设计带有改进金字塔池化模块的语义分割神经网络,得到图像中各像素对应的目标类别,作为剔除运动像素点的依据,从而避免运动点参与特征匹配导致的位姿计算准确性下降问题;然后,针对有效近景特征点不足的情况,基于V视差算法确定图像中的道路平面区域并拟合出精确的视差方程,以计算路面上像素点的精确视差值,并提出一种基于路面结构化特征(车道线、马路边界、路面交通标记等)的位姿计算方法;最后通过场景实验得出,本文提出的改进算法计算结果的绝对轨迹误差小于原算法.证明该方法能够在存在运动目标干扰或缺乏近景特征的场景中具有较高的位姿估计精度,建立了有效的包含语义信息的稠密点云地图,具有良好的环境适应性.
文摘同步定位与建图(Simultaneous Localization And Mapping,SLAM)技术已经成为移动机器人领域重要的导航方式,视觉传感器由于便宜的价格和丰富的图像信息,让视觉同步定位与建图(Visual Simultaneous Localization And Mapping,V-SLAM)技术受到研究者广泛关注。为提升V-SLAM的综合性能,多种传感器信息融合的V-SLAM得到了快速发展。归纳并整理几何变换法的V-SLAM中各关键环节,详细阐述了SLAM中视觉与IMU传感器融合方法,对松融合与紧拟合两种主流方法进行论述,并对一些具有代表性的传统视觉惯性融合的SLAM方案进行讨论分析。最后,总结了视觉惯性融合的SLAM方案的关键问题和未来的发展方向。
文摘针对ORB配准算法在视觉同时定位与地图构建(Visual Simultaneous Localization And Mapping,V-SLAM)中存在的效率低下及误匹配问题,提出了改进的ORB配准算法。首先,在提取特征点时,采用二分区域法对图像进行预处理,以缩短特征点提取的时间,同时通过构建图像金字塔以增加特征点的尺度不变性。其次,在配准特征点时,使用汉明距离结合改进的RANSAC算法完成特征点的配准,以获得更加精准的配准点对。最后,使用OpenCV对采集的图像进行验证。实验结果表明,改进的ORB配准算法可以缩短特征点的提取及配准时间,同时有效地剔除误匹配点对,提高了特征点配准的成功率,给V-SLAM中的位姿估计算法提供了良好的初始值。
文摘The extraction and description of image features are very important for visual simultaneous localization and mapping(V-SLAM).A rotated boosted efficient binary local image descriptor(BEBLID)SLAM(RB-SLAM)algorithm based on improved oriented fast and rotated brief(ORB)feature description is proposed in this paper,which can solve the problems of low localization accuracy and time efficiency of the current ORB-SLAM3 algorithm.Firstly,it uses the BEBLID to replace the feature point description algorithm of the original ORB to enhance the expressiveness and description efficiency of the image.Secondly,it adds rotational invariance to the BEBLID using the orientation information of the feature points.It also selects the rotationally stable bits in the BEBLID to further enhance the rotational invariance of the BEBLID.Finally,it retrains the binary visual dictionary based on the BEBLID to reduce the cumulative error of V-SLAM and improve the loading speed of the visual dictionary.Experiments show that the dictionary loading efficiency is improved by more than 10 times.The RB-SLAM algorithm improves the trajectory accuracy by 24.75%on the TUM dataset and 26.25%on the EuRoC dataset compared to the ORB-SLAM3 algorithm.
