平面特征作为一种高层几何特征而广泛存在于结构化环境中,对于大多数同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)系统来说是个很好的补充。为了解决特征点与平面特征融合时引入了新的误差并且平面存在着退化的可能...平面特征作为一种高层几何特征而广泛存在于结构化环境中,对于大多数同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)系统来说是个很好的补充。为了解决特征点与平面特征融合时引入了新的误差并且平面存在着退化的可能,本文提出了一个融合异质特征的单目视觉惯性SLAM系统。首先从灰度图像中提取特征点;其次对特征点集合进行三角剖分,并将三角剖分的结果转换到世界坐标系下;接着将初始化过程建模为有约束的优化问题,并用交替方向乘子法分布式求解;然后对相似平面进行聚类,并用所提出的平面碰撞概率模型拟合平面,得到对应的有界平面参数;最后在因子图中引入了平面特征的几何约束,通过误差模型同时优化相机运动以及平面参数。与典型的视觉惯性SLAM系统VINS相比,本文提出的系统在EuRoC数据集的绝对轨迹误差平均值降低了50%;在TUM-Ⅵ数据集的绝对轨迹误差平均值降低了40%。该方法能够在结构化场景中稳定、连续地工作,并且提高了弱纹理区域的定位精度和鲁棒性。展开更多
SLAM(simultaneous localization and mapping)是无人载体实现自主导航定位的关键技术。针对传统视觉SLAM系统在动态场景下导航定位精度低的问题,在视觉SLAM系统的基础上引入惯性传感器(inertial measure-ment unit)。在ORB-SLAM3系统...SLAM(simultaneous localization and mapping)是无人载体实现自主导航定位的关键技术。针对传统视觉SLAM系统在动态场景下导航定位精度低的问题,在视觉SLAM系统的基础上引入惯性传感器(inertial measure-ment unit)。在ORB-SLAM3系统的基础上设计了一种面向动态环境的视觉惯性SLAM系统。提出一种基于向量场一致性(vector field consensus,VFC)的稀疏光流法来追踪图像的特征点并计算基础矩阵,分别利用光流对极几何约束和惯性传感器信息计算特征点的动态概率,提出一种联合的动态特征检测方法计算特征点的总动态概率,并将动态概率大于阈值的特征点进行剔除,在SLAM系统的前端实现了视觉信息与惯性运动信息的紧耦合。在数据集上的实验结果表明,该视觉惯性SLAM改进算法有良好的性能表现。展开更多
针对传统SLAM算法在动态环境中会受到动态特征点的影响,导致算法定位精度下降的问题,提出了一种融合语义信息的视觉惯性SLAM算法SF-VINS(visual inertial navigation system based on semantics fusion)。首先基于VINS-Mono算法框架,将...针对传统SLAM算法在动态环境中会受到动态特征点的影响,导致算法定位精度下降的问题,提出了一种融合语义信息的视觉惯性SLAM算法SF-VINS(visual inertial navigation system based on semantics fusion)。首先基于VINS-Mono算法框架,将语义分割网络PP-LiteSeg集成到系统前端,并根据语义分割结果去除动态特征点;其次,在后端利用像素语义概率构建语义概率误差约束项,并使用特征点自适应权重,提出了新的BA代价函数和相机外参优化策略,提高了状态估计的准确度;最后,为验证该算法的有效性,在VIODE和NTU VIRAL数据集上进行实验。实验结果表明,与目前先进的视觉惯性SLAM算法相比,该算法在动态场景和静态场景的定位精度和鲁棒性均有一定优势。展开更多
文摘平面特征作为一种高层几何特征而广泛存在于结构化环境中,对于大多数同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)系统来说是个很好的补充。为了解决特征点与平面特征融合时引入了新的误差并且平面存在着退化的可能,本文提出了一个融合异质特征的单目视觉惯性SLAM系统。首先从灰度图像中提取特征点;其次对特征点集合进行三角剖分,并将三角剖分的结果转换到世界坐标系下;接着将初始化过程建模为有约束的优化问题,并用交替方向乘子法分布式求解;然后对相似平面进行聚类,并用所提出的平面碰撞概率模型拟合平面,得到对应的有界平面参数;最后在因子图中引入了平面特征的几何约束,通过误差模型同时优化相机运动以及平面参数。与典型的视觉惯性SLAM系统VINS相比,本文提出的系统在EuRoC数据集的绝对轨迹误差平均值降低了50%;在TUM-Ⅵ数据集的绝对轨迹误差平均值降低了40%。该方法能够在结构化场景中稳定、连续地工作,并且提高了弱纹理区域的定位精度和鲁棒性。
文摘SLAM(simultaneous localization and mapping)是无人载体实现自主导航定位的关键技术。针对传统视觉SLAM系统在动态场景下导航定位精度低的问题,在视觉SLAM系统的基础上引入惯性传感器(inertial measure-ment unit)。在ORB-SLAM3系统的基础上设计了一种面向动态环境的视觉惯性SLAM系统。提出一种基于向量场一致性(vector field consensus,VFC)的稀疏光流法来追踪图像的特征点并计算基础矩阵,分别利用光流对极几何约束和惯性传感器信息计算特征点的动态概率,提出一种联合的动态特征检测方法计算特征点的总动态概率,并将动态概率大于阈值的特征点进行剔除,在SLAM系统的前端实现了视觉信息与惯性运动信息的紧耦合。在数据集上的实验结果表明,该视觉惯性SLAM改进算法有良好的性能表现。
文摘针对传统SLAM算法在动态环境中会受到动态特征点的影响,导致算法定位精度下降的问题,提出了一种融合语义信息的视觉惯性SLAM算法SF-VINS(visual inertial navigation system based on semantics fusion)。首先基于VINS-Mono算法框架,将语义分割网络PP-LiteSeg集成到系统前端,并根据语义分割结果去除动态特征点;其次,在后端利用像素语义概率构建语义概率误差约束项,并使用特征点自适应权重,提出了新的BA代价函数和相机外参优化策略,提高了状态估计的准确度;最后,为验证该算法的有效性,在VIODE和NTU VIRAL数据集上进行实验。实验结果表明,与目前先进的视觉惯性SLAM算法相比,该算法在动态场景和静态场景的定位精度和鲁棒性均有一定优势。
