-
题名基于点线特征视觉惯性融合的机器人SLAM算法
被引量：23
- 1
-
-
作者
王立玲
朱旭阳
马东
王洪瑞
-
机构
河北大学电子信息工程学院
河北大学机器人技术研究中心
-
出处
《中国惯性技术学报》
EI
CSCD
北大核心
2022年第6期730-737,共8页
-
基金
国家自然科学基金青年科学基金项目(61703133)
国家重点研发计划(2017YFB1401200)。
-
文摘
针对弱纹理环境下单目视觉SLAM系统只依靠提取点特征鲁棒性较差的问题,提出一种点线特征视觉与惯导融合的机器人SLAM算法。首先,采用自适应加权提取点线特征并使用普吕克坐标法表示线段,减小计算量同时较好克服线特征提取时线段割裂的不足;其次,采用四叉树法实现点线特征提取均匀化解决特征堆积问题,同时消除点线特征误匹配,再利用视觉点线信息与IMU紧耦合优化机制提高机器人SLAM算法精确度。最后,将该算法在EuRoC数据集和弱纹理环境中进行实验,结果表明,改进后线特征提取相较于传统线特征提取鲁棒性提高了12.94%,相较于原生算法ORB-SLAM3,改进后特征匹配时间节约了19.2%,大型弱纹理环境中绝对定位精度提高了55.6%,所提算法在弱纹理环境中定位效果具有较强的鲁棒性和精确性。
-
关键词
视觉SLAM
点线特征融合
线特征提取
传感器融合
-
Keywords
visual SLAM
point-line feature fusion
line feature extraction
sensor fusion
-
分类号
U666.1
[交通运输工程—船舶及航道工程]
-
-
题名基于精确背景运动补偿的机器人运动目标检测与跟踪
被引量：9
- 2
-
-
作者
马东
刘超杰
王立玲
王洪瑞
-
机构
河北大学电子信息工程学院
河北大学机器人技术研究中心
-
出处
《机床与液压》
北大核心
2023年第3期20-27,共8页
-
基金
国家自然科学基金青年科学基金项目(61703133)
国家重点研发计划(2017YFB1401200)。
-
文摘
为实现动态场景下机器人快速准确地检测与跟踪运动目标,提出一种基于精确背景补偿的运动目标检测方法,并利用Kalman滤波扩展的KCF算法进行目标跟踪。针对传统ORB算法存在特征点分布不均匀、误匹配率高导致背景补偿效果不佳的问题,采用小波变换及图像分块处理保证提取的特征点数目及均匀分布,通过SURF算法提取具有尺度不变性的特征点并构建ORB描述子。利用KNN算法与对称约束相结合的特征匹配法提高匹配精度,同时引入改进的RANSAC方法精确求解全局运动参数完成背景运动补偿,最后通过帧差法及形态学处理获得完整的运动目标,并将KCF算法融合Kalman滤波实现对被遮挡目标进行再跟踪。实验结果表明:该方法特征匹配正确率达到98.4%,在背景运动状态下能够实时准确地检测出运动目标,并且能够连续稳定地跟踪目标。
-
关键词
动态场景
背景补偿
运动目标检测
目标跟踪
ORB算法
-
Keywords
Dynamic scene
Background compensation
Moving target detection
Target tracking
ORB algorithm
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于视觉激光惯性相结合的机器人SLAM算法
被引量：5
- 3
-
-
作者
王立玲
朱旭阳
马东
王洪瑞
-
机构
河北大学电子信息工程学院
河北大学机器人技术研究中心
-
出处
《机床与液压》
北大核心
2023年第17期39-44,共6页
-
基金
国家重点研发计划(2017YFB1401200)。
-
文摘
针对弱纹理环境下SLAM系统只依靠单一传感器鲁棒性较差的问题,提出一种视觉、单线激光雷达与惯性相结合的机器人SLAM算法。在视觉与雷达预处理阶段,视觉提取点线特征,同时雷达帧间匹配过程采用激光点到其最近两个点连线的距离构建误差方程,实现更高精度匹配效果。采用惯性传感器与轮速里程计进行雷达运动畸变校正,同时雷达估计信息为单目点线特征三角化提供良好深度值,再利用点线视觉信息、雷达点云信息与惯性测量单元紧耦合优化机制提高机器人SLAM的精确度。最后,将该方法在仿真环境和真实弱纹理环境进行实验。结果表明:该方法定位准确率达到98.6%,在弱纹理环境中定位效果具有较强的鲁棒性和准确性,满足实际需求。
-
关键词
单线激光雷达
视觉SLAM
多传感器融合SLAM
-
Keywords
Single-line lidar
Visual SLAM
Multisensor fusion SLAM
-
分类号
TN242
[电子电信—物理电子学]
-
