-
题名基于点面特征融合的RGB-D SLAM算法
被引量：3
- 1
-
-
作者
孙超
朱勇杰
余林波
苗隆鑫
曹勉
叶力
郭乃宇
-
机构
江汉大学智能制造学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2023年第6期201-207,共7页
-
基金
国家重点研发计划(2018 YFD 1100104)
湖北省重点研发计划(2020BCA084)
+1 种基金
湖北省重点培育学科控制科学与工程基金(2020XK015)
江汉大学校级科研基金(2021yb153)。
-
文摘
传统的视觉SLAM算法主要依赖于点特征来构建视觉里程计,而在人造环境中通常存在一些点特征不足但结构特征丰富的场景,此时基于点特征的视觉里程计方法容易出现跟踪失败或位姿估计精度降低的问题。提出一种融合点面特征的RGB-D SLAM算法,利用人造环境中的平面特征提高SLAM算法定位与建图的精度与鲁棒性。使用AGAST特征点提取算法并采用四叉树的方式进行改进,使特征点在图像中均匀分布以减少点特征提取的冗余度。同时,在传统点特征方法的基础上添加平面特征,使用连通域分割算法从点云中获取平面特征,并构建伪平面特征,结合AGAST特征点构建点面特征融合的结构约束因子图,添加多重约束关系用于图优化。实验结果表明,该算法AGAST特征点提取效率优于ORB-SLAM2算法,融合的点面特征使其在室内环境下的定位和建图精度更高,绝对轨迹误差减小约20%,相对轨迹误差减小约10%,单帧跟踪耗时减少约7.3%。
-
关键词
RGB-D
SLAM算法
AGAST算法
点云分割
点面特征融合
图优化
-
Keywords
RGB-D SLAM algorithm
AGAST algorithm
point cloud segmentation
point-surface feature fusion
graph optimization
-
分类号
TP242
[自动化与计算机技术—检测技术与自动化装置]
-
