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
针对自主水下航行器(AUV)在统计特性时变且未知的高斯噪声条件下作业时的定位精度不足问题,提出一种基于自适应阈值与改进Sage-HusaUKF(Adaptive Threshold and Improved Sage-HusaUKF,AT-ISHUKF)的AUV协同定位算法。首先,对量测噪声协...针对自主水下航行器(AUV)在统计特性时变且未知的高斯噪声条件下作业时的定位精度不足问题,提出一种基于自适应阈值与改进Sage-HusaUKF(Adaptive Threshold and Improved Sage-HusaUKF,AT-ISHUKF)的AUV协同定位算法。首先,对量测噪声协方差矩阵更新进行改进,以降低误差协方差矩阵失去正定性的风险;然后,引人自适应阈值判断噪声特性变化是否明显,若变化明显,采用较小的自适应因子来更快地适应这种变化,若变化不明显,则采用较大的自适应因子来保持估计的稳定性。仿真结果表明,在噪声统计特性时变且未知的基础上,统计特性突变为原来的5倍,平均定位误差比Sage-Husa-UKF算法减少了48.9%,均方根误差减少了61.7%。提出的AT-ISHUKF算法在噪声统计特性时变且未知的情况下有效地提高了跟随AUV的定位精度和滤波的鲁棒性。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。
文摘针对自主水下航行器(AUV)在统计特性时变且未知的高斯噪声条件下作业时的定位精度不足问题,提出一种基于自适应阈值与改进Sage-HusaUKF(Adaptive Threshold and Improved Sage-HusaUKF,AT-ISHUKF)的AUV协同定位算法。首先,对量测噪声协方差矩阵更新进行改进,以降低误差协方差矩阵失去正定性的风险;然后,引人自适应阈值判断噪声特性变化是否明显,若变化明显,采用较小的自适应因子来更快地适应这种变化,若变化不明显,则采用较大的自适应因子来保持估计的稳定性。仿真结果表明,在噪声统计特性时变且未知的基础上,统计特性突变为原来的5倍,平均定位误差比Sage-Husa-UKF算法减少了48.9%,均方根误差减少了61.7%。提出的AT-ISHUKF算法在噪声统计特性时变且未知的情况下有效地提高了跟随AUV的定位精度和滤波的鲁棒性。
