针对传统视觉SLAM(simultaneous localization and mapping)在动态环境下定位精度较低、稳健性较差、结合深度学习后实时性较差及无法构建稠密地图的问题,本文提出了一种基于ORB-SLAM3的改进算法。首先,采用轻量化SegFormer语义分割网络...针对传统视觉SLAM(simultaneous localization and mapping)在动态环境下定位精度较低、稳健性较差、结合深度学习后实时性较差及无法构建稠密地图的问题,本文提出了一种基于ORB-SLAM3的改进算法。首先,采用轻量化SegFormer语义分割网络,对图像中存在的动态物体进行识别后,添加掩膜图像自适应膨胀方法,根据特征点数自动调整掩膜膨胀范围,更有效地保留静态特征点及去除潜在动态特征点;然后,改进词袋模型,提升算法的加载和匹配速度;最后,添加稠密建图线程,根据掩膜信息和关键帧,构建去除动态特征后的稠密点云地图。试验结果表明,该算法在动态场景下能够有效地剔除动态物体特征点,提高了系统的定位精度和稳健性,平均处理速度为20帧/s,基本满足实时运行的要求。展开更多
在视觉同时定位与地图构建问题中,ORB(Oriented FAST and Rotated BRIEF)特征由于其高效、稳定的优点而受到广泛关注。针对ORB特征提取过程中存在的像点量测精度较低、特征聚集现象明显等问题,提出了一种适用于高精度SLAM的均衡化亚像素...在视觉同时定位与地图构建问题中,ORB(Oriented FAST and Rotated BRIEF)特征由于其高效、稳定的优点而受到广泛关注。针对ORB特征提取过程中存在的像点量测精度较低、特征聚集现象明显等问题,提出了一种适用于高精度SLAM的均衡化亚像素ORB特征提取方法。分析了精确特征定位的原理,对误差方程进行合理的简化并采用一种基于模板窗口距离的权函数计算方法,大幅降低了计算负担;设计了一种基于四叉树结构的特征均衡化方案,对包含特征的像平面空间进行有限次数的迭代分割,然后选取具有最优响应的特征。试验表明,本文方法进行特征提取的额外计算负担小于2.5 ms,在运行TUM和KITTI数据集时,ORB特征的量测精度分别为0.84和0.62 Pixel,达到亚像素水平,可以降低误差初值,提高光束法平差效率,并能够在满足特征总体分布规律的情况下,显著改善特征聚集的现象,有利于后续问题的稳健、准确求解。展开更多
基于特征的视觉同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)存在实时性和鲁棒性差等问题,提出一种改进的基于四叉树的ORB特征提取方法,设计包含前后端及地图构建的机器人RGB-D SLAM算法。在前端使用四叉树方法完成...基于特征的视觉同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)存在实时性和鲁棒性差等问题,提出一种改进的基于四叉树的ORB特征提取方法,设计包含前后端及地图构建的机器人RGB-D SLAM算法。在前端使用四叉树方法完成ORB特征的均匀提取,计算描述子间汉明距离实现特征匹配。根据随机采样一致性算法思想,结合EPNP(Efficient Perspective-N-Point)和迭代最近点法求解位姿,获取多次迭代后的准确位姿。采用关键帧进行回环检测,并且基于光速法平差优化位姿图,从而构建全局一致的3D地图,达到减少累积误差的目的。通过TUM数据集和多履带式全向移动机器人进行对比验证,实验结果满足实时性和稳定性要求,证明了算法的可行性和有效性。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
基于相机的无人驾驶汽车视觉同步定位与地图构建(SLAM),可完成无人驾驶汽车的定位与建图。针对传统ORB(Oriented FAST and Rotated BRIEF)算法在提取图像特征点时容易造成冗杂、分布集中的问题,提出一种限制四叉树算法分裂深度的改进ORB...基于相机的无人驾驶汽车视觉同步定位与地图构建(SLAM),可完成无人驾驶汽车的定位与建图。针对传统ORB(Oriented FAST and Rotated BRIEF)算法在提取图像特征点时容易造成冗杂、分布集中的问题,提出一种限制四叉树算法分裂深度的改进ORB(A-ORB)算法。该算法构造图像金字塔解决尺度不变性问题;根据所提取的特征点总数计算出每层金字塔所需要提取的特征点数;对每层金字塔图像采用自适应区域划分,根据图像信息计算特征点提取阈值;利用改进四叉树算法来均匀化分布特征点。进行了模拟实验。结果表明:相较于ORB、MA以及S-ORB算法,该算法运行效率提高了30%以上,匹配精度提高了10%以上。展开更多
同步定位与建图(Simultaneous Localization and Mapping,SLAM)问题近年来已成为机器人导航领域的热门研究话题,作为其重要环节之一,回环检测用以消除整个过程中的累积误差.针对该环节高效率的需求,本文提出了一种基于局部特征ORB和全...同步定位与建图(Simultaneous Localization and Mapping,SLAM)问题近年来已成为机器人导航领域的热门研究话题,作为其重要环节之一,回环检测用以消除整个过程中的累积误差.针对该环节高效率的需求,本文提出了一种基于局部特征ORB和全局描述符VLAD组合的快速回环检测算法.首先,使用一种全新的二值特征的VLAD量化算法(Binary-VLAD)提取全局特征,在保持描述符代表性的同时加快运行速度.然后,在全局粗搜索阶段,改进倒排索引结构,有效地减少了计算量和存储空间.其次,在几何验证阶段,使用一种基于空间相似性的偏移稳定模型,无需像RANSAC一样恢复基本矩阵,简捷高效.最后,在3个数据集上进行了验证实验,并与经典的词袋模型方法以及最新的基于深度学习的方法进行对比.实验结果表明,本文所提出的算法仅耗时19ms,明显优于经典的词袋模型算法,相比于最新的深度学习算法,时间效率更是提升近10倍,并且在保持100%准确率的前提下,召回率优于两者.展开更多
针对机器人绑架后的重定位问题,提出了将粒子滤波与图像ORB(oriented FAST and rotated BRIEF)特征匹配结合起来的全局定位算法。机器人被绑架后,由运动模型预测产生的粒子集将不能正确估计机器人位姿。方法通过加入相机观测结果来修正...针对机器人绑架后的重定位问题,提出了将粒子滤波与图像ORB(oriented FAST and rotated BRIEF)特征匹配结合起来的全局定位算法。机器人被绑架后,由运动模型预测产生的粒子集将不能正确估计机器人位姿。方法通过加入相机观测结果来修正粒子集。首先基于相机图像ORB特征匹配检测机器人所在区域,然后在相机关联的栅格子地图内撒粒子,最后通过粒子滤波的观测更新和重采样使粒子逐渐收敛实现重定位。实验证明:本文方法能够解决机器人绑架问题,在时间效率上优于加入随机粒子的自适应蒙特—卡罗定位算法,且具有更低定位误差。展开更多
文摘针对传统视觉SLAM(simultaneous localization and mapping)在动态环境下定位精度较低、稳健性较差、结合深度学习后实时性较差及无法构建稠密地图的问题,本文提出了一种基于ORB-SLAM3的改进算法。首先,采用轻量化SegFormer语义分割网络,对图像中存在的动态物体进行识别后,添加掩膜图像自适应膨胀方法,根据特征点数自动调整掩膜膨胀范围,更有效地保留静态特征点及去除潜在动态特征点;然后,改进词袋模型,提升算法的加载和匹配速度;最后,添加稠密建图线程,根据掩膜信息和关键帧,构建去除动态特征后的稠密点云地图。试验结果表明,该算法在动态场景下能够有效地剔除动态物体特征点,提高了系统的定位精度和稳健性,平均处理速度为20帧/s,基本满足实时运行的要求。
文摘在视觉同时定位与地图构建问题中,ORB(Oriented FAST and Rotated BRIEF)特征由于其高效、稳定的优点而受到广泛关注。针对ORB特征提取过程中存在的像点量测精度较低、特征聚集现象明显等问题,提出了一种适用于高精度SLAM的均衡化亚像素ORB特征提取方法。分析了精确特征定位的原理,对误差方程进行合理的简化并采用一种基于模板窗口距离的权函数计算方法,大幅降低了计算负担;设计了一种基于四叉树结构的特征均衡化方案,对包含特征的像平面空间进行有限次数的迭代分割,然后选取具有最优响应的特征。试验表明,本文方法进行特征提取的额外计算负担小于2.5 ms,在运行TUM和KITTI数据集时,ORB特征的量测精度分别为0.84和0.62 Pixel,达到亚像素水平,可以降低误差初值,提高光束法平差效率,并能够在满足特征总体分布规律的情况下,显著改善特征聚集的现象,有利于后续问题的稳健、准确求解。
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。
文摘基于相机的无人驾驶汽车视觉同步定位与地图构建(SLAM),可完成无人驾驶汽车的定位与建图。针对传统ORB(Oriented FAST and Rotated BRIEF)算法在提取图像特征点时容易造成冗杂、分布集中的问题,提出一种限制四叉树算法分裂深度的改进ORB(A-ORB)算法。该算法构造图像金字塔解决尺度不变性问题;根据所提取的特征点总数计算出每层金字塔所需要提取的特征点数;对每层金字塔图像采用自适应区域划分,根据图像信息计算特征点提取阈值;利用改进四叉树算法来均匀化分布特征点。进行了模拟实验。结果表明:相较于ORB、MA以及S-ORB算法,该算法运行效率提高了30%以上,匹配精度提高了10%以上。
文摘同步定位与建图(Simultaneous Localization and Mapping,SLAM)问题近年来已成为机器人导航领域的热门研究话题,作为其重要环节之一,回环检测用以消除整个过程中的累积误差.针对该环节高效率的需求,本文提出了一种基于局部特征ORB和全局描述符VLAD组合的快速回环检测算法.首先,使用一种全新的二值特征的VLAD量化算法(Binary-VLAD)提取全局特征,在保持描述符代表性的同时加快运行速度.然后,在全局粗搜索阶段,改进倒排索引结构,有效地减少了计算量和存储空间.其次,在几何验证阶段,使用一种基于空间相似性的偏移稳定模型,无需像RANSAC一样恢复基本矩阵,简捷高效.最后,在3个数据集上进行了验证实验,并与经典的词袋模型方法以及最新的基于深度学习的方法进行对比.实验结果表明,本文所提出的算法仅耗时19ms,明显优于经典的词袋模型算法,相比于最新的深度学习算法,时间效率更是提升近10倍,并且在保持100%准确率的前提下,召回率优于两者.
文摘针对机器人绑架后的重定位问题,提出了将粒子滤波与图像ORB(oriented FAST and rotated BRIEF)特征匹配结合起来的全局定位算法。机器人被绑架后,由运动模型预测产生的粒子集将不能正确估计机器人位姿。方法通过加入相机观测结果来修正粒子集。首先基于相机图像ORB特征匹配检测机器人所在区域,然后在相机关联的栅格子地图内撒粒子,最后通过粒子滤波的观测更新和重采样使粒子逐渐收敛实现重定位。实验证明:本文方法能够解决机器人绑架问题,在时间效率上优于加入随机粒子的自适应蒙特—卡罗定位算法,且具有更低定位误差。
