回环检测是消除同时定位与地图构建(simultaneous localization and mapping,SLAM)系统中累计误差的关键所在,在光照条件或视角变化较大的情况下,传统的基于外观的回环检测方法往往失效。针对这种情况,在ORBSLAM2的框架基础上提出一种...回环检测是消除同时定位与地图构建(simultaneous localization and mapping,SLAM)系统中累计误差的关键所在,在光照条件或视角变化较大的情况下,传统的基于外观的回环检测方法往往失效。针对这种情况,在ORBSLAM2的框架基础上提出一种物体级的回环检测方法。利用目标检测获得的语义信息和特征点信息构建物体级语义地图。将语义地图抽象成拓扑图并将地标抽象成节点,用颜色直方图描述节点信息,结合节点间的几何关系,基于语义和几何一致性约束,提出一种图匹配方法实现回环检测。当检测到回环时,通过物体对齐的方式进行回环校正。在公开的TUM和USTC数据集上进行实验,结果表明提出的系统精度较ORBSLAM2平均提高了49.58%,并且构建的语义地图显示出良好的定位效果。展开更多
文摘回环检测是消除同时定位与地图构建(simultaneous localization and mapping,SLAM)系统中累计误差的关键所在,在光照条件或视角变化较大的情况下,传统的基于外观的回环检测方法往往失效。针对这种情况,在ORBSLAM2的框架基础上提出一种物体级的回环检测方法。利用目标检测获得的语义信息和特征点信息构建物体级语义地图。将语义地图抽象成拓扑图并将地标抽象成节点,用颜色直方图描述节点信息,结合节点间的几何关系,基于语义和几何一致性约束,提出一种图匹配方法实现回环检测。当检测到回环时,通过物体对齐的方式进行回环校正。在公开的TUM和USTC数据集上进行实验,结果表明提出的系统精度较ORBSLAM2平均提高了49.58%,并且构建的语义地图显示出良好的定位效果。
