目前多数视觉即时定位与地图构建(simultaneous localization and mapping,SLAM)方案都是通过提取环境中的特征点来估计位姿,在纹理较少的弱纹理环境中仍存在较大的局限性。为此,在SLAM系统中引入线特征以保证系统能在弱纹理场景中稳定...目前多数视觉即时定位与地图构建(simultaneous localization and mapping,SLAM)方案都是通过提取环境中的特征点来估计位姿,在纹理较少的弱纹理环境中仍存在较大的局限性。为此,在SLAM系统中引入线特征以保证系统能在弱纹理场景中稳定运行。但目前融合点线的视觉SLAM方案存在实时性和精度不足的问题,因此提出基于改进点线特征融合的的视觉惯性SLAM算法。算法前端中,采用FAST(features from accelerated segment test)角点作为特征点提取算法,对ELSED(enhanced line segment detection)算法进行增加短线合并、梯度阈值参数调整,并将四叉树均匀化分布特征点扩展到点线特征,提出改进的点线特征提取算法,减少高纹理区域和特征分布不均的情况对系统精度的影响。对点线特征的跟踪,均采用改进型光流法追踪,将惯性测量单元(inertial measured unit,IMU)得到的位姿信息和已知的特征点深度计算光流法的初值,代替原本的图像金字塔迭代过程,从而节省计算资源,满足系统的实时性。最后,在实际场景中将该系统与优秀的开源方案进行实验对比,验证了所提算法的实时性和精确性。实验表明,本算法可为工业巡检、仓储物流等场景下的机器人提供高鲁棒性定位解决方案,具有显著的产业应用前景。展开更多
针对弱纹理和变光照环境下基于点特征的视觉SLAM(simultaneous localization and mapping)算法轨迹漂移的问题,提出了一种基于改进自适应阈值ELSED算法(Adaptive-ELSED)的快速点线融合双目视觉SLAM算法。通过在ELSED算法中添加自适应阈...针对弱纹理和变光照环境下基于点特征的视觉SLAM(simultaneous localization and mapping)算法轨迹漂移的问题,提出了一种基于改进自适应阈值ELSED算法(Adaptive-ELSED)的快速点线融合双目视觉SLAM算法。通过在ELSED算法中添加自适应阈值矩阵,动态调整不同光照条件下梯度阈值,并使用长度抑制和短线合并策略,提高线特征的质量。利用基于双目几何约束和图像结构相似性(SSIM)进行快速线段特征三角化。基于历史位姿及误差分析获取初始位姿,通过自适应因子实现光束法平差过程中点线特征的更有效融合。实验结果表明,所提算法在提高线特征质量的同时,耗时仅为LSD算法的50%,线特征匹配速度较传统LBD算法提升67%,挑战性场景下轨迹误差较ORB-SLAM3降低62.2%,系统的平均跟踪帧率为27帧/s,在保证系统实时性的同时,显著提升了系统在弱纹理、变光照环境下的精度和鲁棒性。展开更多
文摘目前多数视觉即时定位与地图构建(simultaneous localization and mapping,SLAM)方案都是通过提取环境中的特征点来估计位姿,在纹理较少的弱纹理环境中仍存在较大的局限性。为此,在SLAM系统中引入线特征以保证系统能在弱纹理场景中稳定运行。但目前融合点线的视觉SLAM方案存在实时性和精度不足的问题,因此提出基于改进点线特征融合的的视觉惯性SLAM算法。算法前端中,采用FAST(features from accelerated segment test)角点作为特征点提取算法,对ELSED(enhanced line segment detection)算法进行增加短线合并、梯度阈值参数调整,并将四叉树均匀化分布特征点扩展到点线特征,提出改进的点线特征提取算法,减少高纹理区域和特征分布不均的情况对系统精度的影响。对点线特征的跟踪,均采用改进型光流法追踪,将惯性测量单元(inertial measured unit,IMU)得到的位姿信息和已知的特征点深度计算光流法的初值,代替原本的图像金字塔迭代过程,从而节省计算资源,满足系统的实时性。最后,在实际场景中将该系统与优秀的开源方案进行实验对比,验证了所提算法的实时性和精确性。实验表明,本算法可为工业巡检、仓储物流等场景下的机器人提供高鲁棒性定位解决方案,具有显著的产业应用前景。
文摘针对弱纹理和变光照环境下基于点特征的视觉SLAM(simultaneous localization and mapping)算法轨迹漂移的问题,提出了一种基于改进自适应阈值ELSED算法(Adaptive-ELSED)的快速点线融合双目视觉SLAM算法。通过在ELSED算法中添加自适应阈值矩阵,动态调整不同光照条件下梯度阈值,并使用长度抑制和短线合并策略,提高线特征的质量。利用基于双目几何约束和图像结构相似性(SSIM)进行快速线段特征三角化。基于历史位姿及误差分析获取初始位姿,通过自适应因子实现光束法平差过程中点线特征的更有效融合。实验结果表明,所提算法在提高线特征质量的同时,耗时仅为LSD算法的50%,线特征匹配速度较传统LBD算法提升67%,挑战性场景下轨迹误差较ORB-SLAM3降低62.2%,系统的平均跟踪帧率为27帧/s,在保证系统实时性的同时,显著提升了系统在弱纹理、变光照环境下的精度和鲁棒性。
