检索结果-内蒙古大学图书馆

传感器与微系统 2025年第1期44卷 21-24页

作者：李乾谢正宽曹玉超王明明孙晓云国网河北省有限公司石家庄供电分公司河北石家庄050000 石家庄铁道大学电气与电子工程学院河北石家庄050043

针对城市地下管廊、电缆隧道的复杂工况环境下,利用单一传感器进行环境建图不能准确构建复杂环境地图的问题,提出一种改进RTAB-MAP算法融合多种传感器进行环境建图的方法。实验在装有机器人操作系统(ROS)的智能小车上进行,采用激光雷达(... 详细信息

针对城市地下管廊、电缆隧道的复杂工况环境下,利用单一传感器进行环境建图不能准确构建复杂环境地图的问题,提出一种改进RTAB-MAP算法融合多种传感器进行环境建图的方法。实验在装有机器人操作系统(ROS)的智能小车上进行,采用激光雷达(LiDAR)和RGB-D深度相机融合建图。实验结果表明:相比于传统的RTAB-MAP算法,融合之后的方法在建图过程中建图精度比仅使用激光雷达建图小了0.114 m,比仅使用RGB-D相机建图小了0.128 m。

关键词：城市地下管廊 RTAB-MAP算法同步定位和地图构建多传感器融合机器人操作系统

来源：评论

学校读者我要写书评

暂无评论

基于SLAM技术的地下空间三维重建方法研究

引用

测绘与空间地理信息 2025年第04期48卷 171-173+176页

作者：种万元柳阳徐扬甘肃省核地质二一二大队兰州航天宏图信息技术有限公司

在地下封闭空间开展三维场景构建时，为解决因通视条件差和GNSS信号弱而导致无法测量的问题，本文提出了一种基于SLAM技术的地下空间三维重建方法。首先，在移动测量设备上搭载一套SLAM三维激光扫描仪，实时构建地下空间增量式三维点云... 详细信息

在地下封闭空间开展三维场景构建时，为解决因通视条件差和GNSS信号弱而导致无法测量的问题，本文提出了一种基于SLAM技术的地下空间三维重建方法。首先，在移动测量设备上搭载一套SLAM三维激光扫描仪，实时构建地下空间增量式三维点云数据；然后，为降低点云噪声，应用深度学习算法对噪声进行修正，获得鲁棒性更佳的三维空间点云；最后，利用分割与边界优化算法提取点云的面及边界信息，完成曲线重建，获得三维模型数据。试验结果表明：本文方法能够生产出密闭空间内的三维模型数据，当勘测范围不超过50 m时，测量精度优于0.2 m,满足城市一般地下工程技术要求。

关键词：同步定位和地图构建地下空间点云三维模型深度学习

来源：评论

学校读者我要写书评

暂无评论

雾计算赋能机器人同步定位与地图构建

引用

物联网学报 2018年第2期2卷 33-40页

作者：杨旸李凯徐海东王华俊王昆仑李剑周明拓中国科学院上海微系统与信息技术研究所上海200050

机器人探索预先未知的环境时通常需要同步定位和地图构建(SLAM),例如,在救援场景中,可以利用雾计算这种新兴的计算模式来实现更快、更精确、更节能的机器人SLAM。基于此,提出了雾计算赋能机器人SLAM的框架设计,并分析了其面临的挑战,最... 详细信息

机器人探索预先未知的环境时通常需要同步定位和地图构建(SLAM),例如,在救援场景中,可以利用雾计算这种新兴的计算模式来实现更快、更精确、更节能的机器人SLAM。基于此,提出了雾计算赋能机器人SLAM的框架设计,并分析了其面临的挑战,最后通过真实试验床演示了该框架设计。

关键词：雾计算机器人同步定位和地图构建

来源：评论

学校读者我要写书评

暂无评论

鼠类脑细胞导航机理的移动机器人仿生SLAM综述

引用

智能系统学报 2018年第1期13卷 107-117页

作者：陈孟元安徽工程大学安徽省电气传动与控制重点实验室安徽芜湖241000 中国科学技术大学精密机械与精密仪器系安徽合肥230027

针对同步定位与地图构建(SLAM)问题中传统概率算法存在计算量大、复杂度高、易陷于局部最优解等问题,本文提出一种未来深入研究的方法建议,将鼠类脑细胞中边界细胞(border cells)、局部场景细胞(view cells)、网格细胞(grid cells)、速... 详细信息

针对同步定位与地图构建(SLAM)问题中传统概率算法存在计算量大、复杂度高、易陷于局部最优解等问题,本文提出一种未来深入研究的方法建议,将鼠类脑细胞中边界细胞(border cells)、局部场景细胞(view cells)、网格细胞(grid cells)、速度细胞(speed cells)、位姿细胞(pose cells)等具有定位导航功能的细胞应用于SLAM研究中,构建一种基于多细胞导航机制的BVGSP-SLAM模型。结合具有实时关键帧匹配的闭环检测算法以避免光线变化对SLAM的影响,融入速度细胞和边界细胞以避免移动障碍物对SLAM的影响,利用鼠类混合细胞衍生出的数学模型分析该系统的鲁棒性和实时性。将生物细胞模型引入SLAM,并形成了建模、仿真与实验验证一体化的研究体系,为移动机器人SLAM研究领域多样化提供重要的理论参考。

关键词：移动机器人同步定位和地图构建鼠类脑细胞闭环检测关键帧匹配

来源：评论

学校读者我要写书评

暂无评论

基于场景外观建模的移动机器人视觉闭环检测研究

基于场景外观建模的移动机器人视觉闭环检测研究

引用

作者：李博重庆大学

学位级别：博士

机器人在未知环境中根据自身位置估计和传感器数据,创建环境地图同时指导机器人自主定位和导航,也即机器人同步定位与地图构建(SLAM),是实现真正自主移动机器人的关键,成为机器人和人工智能领域研究的热点和难点。闭环检测是SLAM的基础... 详细信息

机器人在未知环境中根据自身位置估计和传感器数据,创建环境地图同时指导机器人自主定位和导航,也即机器人同步定位与地图构建(SLAM),是实现真正自主移动机器人的关键,成为机器人和人工智能领域研究的热点和难点。闭环检测是SLAM的基础问题之一,如何准确判断机器人当前位置是否位于之前已经访问过的环境区域,对减少机器人位姿和地图状态变量的不确定性,避免错误引入地图冗余变量或重复结构,至关重要。由于视觉传感器的诸多优点,近年来,基于视觉的SLAM技术,即vSLAM引起了广泛关注。然而,移动机器人在视觉信息的采集、描述、匹配等关键环节中的模型固有缺陷和不可避免的计算误差,导致无法准确提取闭环响应,进而妨碍机器人完成SLAM任务,因此机器人在大规模非结构化环境中的视觉闭环检测仍是目前最具有挑战性的问题之一。本文对视觉闭环检测问题进行了深入系统的研究,旨在解决当前主流的基于视觉场景外观建模的闭环检测中存在的主要问题,提高闭环检测的效率和准确率。取得的创新成果主要包括: 首先分析比较了视觉场景采样中,各种帧采样技术的优劣,提出了基于图像内容变化的关键采样方法成为vSLAM首选的依据。针对SLAM领域至今没有对关键帧检测方法的定量评估和选择标准,本文通过研究各种关键帧检测技术的算法机理,提出了无监督的算法性能评估方案和准则,搭建了系统的实验评估框架,通过视觉SLAM数据库上的实验分析,基于特征匹配的关键帧检测方法在本文研究的五类方法中具有最佳的检测效果。该研究工作常常被vSLAM研究所忽略,本研究为解决vSLAM中场景采样问题提供了参考依据。在机器人场景外观建模中,通过研究视觉词袋模型BoVW的关键问题,提出了一种鲁棒视觉字典本的优化构造策略,以克服底层特征的海量性、高维性、不稳定性对视觉字典本生成的影响。首先引入条件数理论定量评估海量底层特征的稳定性,筛选出鲁棒视觉特征;提出了一种聚类和降维的统一计算模型,构造了具有聚类结构的自适应维数约简算法;利用低维聚类信息中的邻域支持度,自适应选取最佳的初始视觉单词,选择Silhouette指标作为迭代目标函数,从而改进流行的LBG字典本生成算法敏感于初始点的随机选取,并只能得到局部最优等不足。新的视觉字典本生成算法具有聚类和降维的统一计算功能、良好的鲁棒性和自适应优化等特性,取得了良好的场景图像描述效果。提高视觉字典本表征性能是提高闭环检测准确性的关键,针对目前图像分类中的优化策略大都是面向类信息的有监督模式,本文立足闭环检测的无监督性,依托闭环提取计算出的数据实体,提出了一套无监督的视觉单词本表征性能定量评估和优化方法。首先采用熵排序技术的特征向量选择方法改进传统的谱聚类,对原始底层特征在无监督条件下聚类生成初始视觉单词;继而提出一种基于马氏距离测度的视觉单词区分度定量评估算法,在图像-单词矩阵上计算出视觉单词的区分度,设计了一个弱表征性单词的迭代更新策略;最后采用刻画图像相似性矩阵的分解复杂度的秩缩减技术度量新视觉字典本的表征性能。在移动机器人室内和室外场景实验中,本文方法提高了视觉字典本建模的有效性,获得了良好的闭环检测效果,同时对视觉混淆现象表现出良好鲁棒性。为提高闭环检测的效率,满足闭环检测的实时计算需求,针对场景外观表征性能受制于有限单词个数以及算法效率低的不足,本文对机器人视觉特征分层量化,构建了视觉字典树,并计算图像在树节点单词的TF-IDF投影权重,生成图像-单词逆向文档索引。为消除视觉字典本的单尺度量化误差,并克服传统平面匹配模式中不区分不同层次节点的区分度对闭环检测的影响,本文融合字典树低层单词的强表征性和高层单词的强鲁棒性,提出由下而上逐层计算图像间相似性增量的金字塔得分匹配方法。为剔除候选闭环中错误闭环的干扰,建立时间一致性约束、空间一致性约束和对极几何约束等后验确认操作,有效抑制错误闭环。在移动机器人视觉闭环检测实验中,本文算法提高了闭环提取的效率和检测性。通过对视觉闭环检测检测的系统研究,不仅提高了闭环检测的效率和准确性,更扩展了场景外观模型方法在整个vSLAM系统中的应用,也丰富了图像处理、机器视觉等领域的BoW方法研究。

关键词：同步定位和地图构建场景外观建模视觉闭环检测视觉词袋模型视觉字典树

来源：评论

学校读者我要写书评

暂无评论

移动机器人仿生SLAM算法研究

移动机器人仿生SLAM算法研究

引用

作者：陈孟元中国科学技术大学

学位级别：博士

移动机器人在未知环境中如何实现对自身位置的实时定位以及对环境认知地图的构建一直是困扰机器人同步定位与地图构建(Simultaneous Localization and Mapping,SLAM)研究中的两个关键问题。基于传统数学概率方法的SLAM研究,受算法自身... 详细信息

移动机器人在未知环境中如何实现对自身位置的实时定位以及对环境认知地图的构建一直是困扰机器人同步定位与地图构建(Simultaneous Localization and Mapping,SLAM)研究中的两个关键问题。基于传统数学概率方法的SLAM研究,受算法自身缺点和传感器精度的限制不能被广泛应用。视觉SLAM(Visual SLAM,VSLAM)将相机作为外部视觉传感器,通过对相机获取的环境图像信息进行特征提取、描述与匹配来实现对机器人位姿信息的推算,在此基础上完成环境认知地图的构建。与传统的SLAM方法相比,VSLAM以其较好的实时性和闭环检测功能成为近些年来SLAM方向研究的热点。本文以鼠脑细胞导航的仿生SLAM模型为基础,针对移动机器人学习和认知环境过程中的存在的光线角度变化和突发障碍物问题提出改进方法。针对SLAM问题中传统概率算法存在计算量大、复杂度高、易陷于局部最优解等问题,本文将鼠类脑细胞中局部场景细胞(View cells)、网格细胞(Grid cells)、位姿细胞(Pose cells)等具有定位导航功能的细胞应用于SLAM研究中,分别研究各细胞的相互关系以及对SLAM的影响,围绕局部场景细胞、位姿细胞和网格细胞的模型,建立一种基于多细胞导航机制的GVP-SLAM(Grid cells+View cells+Pose cells-SLAM,GVP-SLAM)并构建认知地图,在此模型基础上添加一种基于特征参数和方向参数的动态增长自组织特征图(Dynamic Growing Self-Organizing Feature Map,DGSOM)神经网络模型,并将此神经网络模型应用于提出的GVP-SLAM模型中。选择多种传感器搭建实验平台,验证GVP-SLAM模型的可行性和有效性。多细胞导航机制的GVP-SLAM模型通过局部场景细胞在环境中学习独特场景,通过头方向细胞和位置细胞以及相互关联的竞争型神经网络形成位姿细胞表征当前位置,局部场景细胞和位姿细胞协同完成拓扑化的认知地图。基于SURF特征匹配算法对旋转、尺度变换与亮度保持不变性,减少了认知地图构建过程中错误认知点进而提高场景特征点匹配率。借鉴网格细胞场景重定位机制和闭环检测算法,避免光线角度变化对SLAM的影响,提高了定位精度。提出的DGSOM神经网络模型通过加入特征点避免图的混淆,通过加入运动方向减小学习量。融合加速度计和陀螺仪更精准地实现对移动机器人运动过程中速度和角速度的测量,避免基于局部场景细胞在突发障碍物影响下的判别失效;融合激光测距仪实现移动机器人对突发障碍物的快速检测和实时避障。本文将生物学概念引入传统的SLAM模型,并形成数学建模、软件仿真与实验验证一体化循序渐进的研究体系,利用鼠类混合细胞和神经网络衍生出的数学模型分析系统的鲁棒性和实时性,为移动机器人SLAM研究领域多样化提供重要的理论参考。

关键词：移动机器人同步定位和地图构建复合导航模型关键帧匹配的闭环检测仿生

来源：评论

学校读者我要写书评

暂无评论

基于RandNet的vSLAM快速闭环检测研究

基于RandNet的vSLAM快速闭环检测研究

引用

作者：张祖亮哈尔滨工业大学

学位级别：硕士

机器人同步定位与地图构建(Simultaneous Localization and Mapping,简称SLAM)问题是实现移动机器人在未知环境中自我定位和导航的关键技术,广泛用于无人驾驶,智能家居,三维重建等领域,具有重大的理论意义和研究价值。闭环检测,是指机... 详细信息

机器人同步定位与地图构建(Simultaneous Localization and Mapping,简称SLAM)问题是实现移动机器人在未知环境中自我定位和导航的关键技术,广泛用于无人驾驶,智能家居,三维重建等领域,具有重大的理论意义和研究价值。闭环检测,是指机器人识别当前位置是否己经访问过,其结果可用于修正SLAM的全局校正,有效地减少构建地图的累积误差,对机器人实时更新地图和避免引入错误的地图节点起着关键作用,是SLAM中关键的一个模块。视觉数据信息量丰富,便于数学方法和图像处理技术处理,价格低廉,使用方便,因此被用在闭环检测中。因此,本文对基于视觉的SALM系统的闭环检测问题进行研究。本文的主要研究工作简述如下:本文利用视觉进行闭环检测,将闭环检测问题看作是图像检索问题,基于深度学习的思想,将Rand Net神经网络应用到闭环检测,并利用基于阈值的局部敏感哈希算法对其提取的图像特征匹配过程进行加速,最后基于数据集City Center和New College进行测试。测试结果表明,本文所提出的基于Rand Net的快速闭环检测方法,在保证高准确率的的前提下,特征提取速度提高3倍以上,且特征匹配速度提升了10倍,能够更好满足闭环检测的实时性需求。

关键词：同步定位和地图构建闭环检测神经网络局部敏感哈希

来源：评论

学校读者我要写书评

暂无评论

基于室内三维激光点云的闭环检测方法研究

基于室内三维激光点云的闭环检测方法研究

引用

作者：项皓东武汉大学

学位级别：硕士

即时定位与建图技术(SLAM,Simultaneously Localization and Mapping)是完成移动机器人自主导航任务的核心技术,机器人在未知的场景中通过传感器获取数据,并根据场景数据进行自身位姿估计,在机器人自主定位和导航时同时进行场景建图的... 详细信息

即时定位与建图技术(SLAM,Simultaneously Localization and Mapping)是完成移动机器人自主导航任务的核心技术,机器人在未知的场景中通过传感器获取数据,并根据场景数据进行自身位姿估计,在机器人自主定位和导航时同时进行场景建图的过程。由于SLAM过程会受到传感器累积误差和环境条件的影响,闭环检测(Loop Closing)被用来判断机器人是否返回已经探索过的区域,为全局校正提供控制信息,进而提高建图的质量。由于视觉数据存在对光照条件敏感、在视觉弱特征区域难以提取出有效特征的问题,而激光点云数据可以弥补这两点不足,因此本文采用三维激光点云数据进行闭环检测研究。本文借鉴机器学习的思想,把闭环检测问题看作是一种分类问题,基于机器学习中的AdaBoost分类思想,提出一种新的三维激光点云闭环检测算法。首先,综合点云数据的几何特性和测距直方图,提出一种具有旋转不变性的三维激光点云特征向量。在对现有的三维激光点云几何特征研究的基础上,综合多项点云的几何统计特征,构成点云的第一类特征,并推导每一个特征分量的计算公式。另外引入测距直方图,根据测量环境的具体情况设置合理的测距间隔,构成点云的第二类特征,综合这两类特征构建具有旋转不变性的三维激光点云特征向量,用于生成供分类器训练和预测的样本。使用C++语言在Visual Studio平台下编写三维激光点云特征提取代码,并用Matlab完成特征分量相关性分析实验。其次,提出一种基于机器学习的三维激光点云闭环检测算法。把闭环检测问题看作是一个分类问题,借鉴机器学习中的分类思想,采用AdaBoost算法,其思想是将一系列训练完毕的弱分类器进行组合得到最终的强分类器,使用决策树模型作为弱分类器,构建决策树的算法使用CART算法。根据提取到的三维激光点云特征生成样本,进行分类器的训练和测试。采用开源数据集对基于三维激光点云的闭环检测算法进行验证。首先通过分析特征之间的相关性,剔除与其他特征分量相关性高的特征分量。然后通过实验分析选择最优迭代次数,即组成强分类器的弱分类器个数。根据处理之后的特征生成样本,采用实验所得的最优迭代次数,使用真实数据验证算法的可行性。采用检测准确率、误检率和漏检率三个指标对检测结果进行评价,并把检测结果与当前的三维激光点云闭环检测算法进行对比,分析算法的优劣性。另外对算法的时间复杂度进行分析,并提出改进方向,以达到实时闭环检测的目的。闭环检测作为SLAM过程中一个必不可少的环节,对最终成图的质量起到重要的纠正作用,保证地图生成的一致性。本文通过对三维激光点云闭环检测的系统研究,希望能够为实时闭环检测的研究起到抛砖引玉的作用。

关键词：同步定位和地图构建三维激光点云机器学习闭环检测

来源：评论

学校读者我要写书评

暂无评论

融合视觉和激光雷达的医疗服务机器人的建图和导航研究

融合视觉和激光雷达的医疗服务机器人的建图和导航研究

引用

作者：杨方帆南昌航空大学

学位级别：硕士

在科技不断迭代的今天，移动机器人随着各类技术的成熟逐步踏入人们生活的领域，而这些应用的实现要求机器人具有精准定位、周围环境构建和自主导航的能力。其中，同步定位和地图构建（SLAM）的方法对解决室内定位不准确、地图构建难和... 详细信息

在科技不断迭代的今天，移动机器人随着各类技术的成熟逐步踏入人们生活的领域，而这些应用的实现要求机器人具有精准定位、周围环境构建和自主导航的能力。其中，同步定位和地图构建（SLAM）的方法对解决室内定位不准确、地图构建难和路径规划等问题有着重要的意义。然而在SLAM问题上，单一的传感器信息对实现精确定位和导航有着局限性，且误差较大，本文针对这一问题采用融合视觉和激光雷达等传感器信息实现VSLAM，并解决机器人在室内的路径规划问题。本文从不同传感器的选型、各类传感器信息的融合、地图构建和导航问题出发，在保障室内建图和导航避障精确度的前提下，降低了机器人实现的成本，自主完成并实现了医疗服务机器人的室内三维点云构图和精准导航避障。本文的主要研究内容分为以下几个方面。　　（1）在ROS平台下对机器人进行系统性的建模分析，包括机器人运动模型、激光雷达模型和RGB-D相机模型，为之后算法的实现提供了基础。对RGB-D相机的成像原理进行了分析，并对RGB-D相机进行了标定，提升了相机成像和点云拼接的精确度。　　（2）针对VSLAM前段视觉里程计问题上，本文对比了SIFT、SURF和ORB这三种特征算法，对特征提取和特征匹配的实时性和准确性进行比较，最终在保障建图准确度的前提下，选用了运行速度最快的ORB特征算法，并在ORB算法的基础上加入了RANSAC算法，进一步提升了图片匹配的准确性和快速性，保障了VSLAM实现的实时性。同时在VSLAM前端中，本文通过TUM集对相机的运动估计进行了实验分析，实验结果表明使用ORB特征算法的VSLAM在四个场景中的平均轨迹误差分别为0.041、0.012、0.008和0.087米，误差很小，证明了算法的准确性。并基于已知图像的相机位姿的情况下，实现了图像的点云拼接实验。　　（3）针对VSLAM后端优化，本文使用BA算法对点云的多余外点进行剔除，保障点云图的准确性，并通过BA算法对BAL数据集进行仿真实验，实验证明了BA算法的可靠性;使用图优化对相机的位姿进一步优化，通过Matlab仿真进行实验分析，仿真结果表明：在对点云数据进行24次迭代之后，相机位姿趋于稳定，说明图优化在后端中的对相机位姿优化的作用。　　（4）针对VSLAM的回环检测问题，本文通过词袋模型检测构建的地图是否发生了回环。挑选TUM数据集中的十张图片，将图片中的特征训练为不同的单词，通过构造字典的方法检测不同帧图片的相似度，实验表明：第一张图片和第十张图片的相似度很高，确定在此处发生回环。结合VSLAM前端、后端和回环检测，通过ORB-SLAM2对TUM数据集进行了三维点云构图实验，实验表明在没有回环检测的情况下，地图会发生漂移、折叠等现象，而最终构建的地图符合实验要求。　　（5）针对机器人的路径规划问题，由于RGB-D相机的局限性，只能扫描前方特定区域的面积，很难及时的实现避障。而激光雷达的扫描区域为圆形，对周围的感知比RGB-D相机更强。本文提出一种激光雷达融合深度相机的方法，进一步提升了机器人的导航避障能力。本文使用AMCL算法实现机器人的自我定位，结合A*算法和DWA算法实现机器人的路径规划，最后通过Matlab仿真证明了算法的可行性。　　（6）在ROS系统下，从硬件、软件和算法这三方面出发，搭建了轮式医疗服务机器人的实验平台，对机器人的硬件从电路设计到PCB板的制作，编写了上下位机的串口通信和各类驱动等程序，并将各类算法（如构图、导航等）和库函数移入硬件平台中。在构建平台的基础上实现了激光雷达建图、RGB-D相机建图和融合RGB-D相机和激光雷达的室内建图，并在室内环境下实现了机器人的导航避障实验。实验结果验证了本文研究内容的有效性和可行性。

关键词：医疗服务机器人同步定位和地图构建路径规划视觉里程计激光雷达信息融合

来源：评论

学校读者我要写书评

暂无评论

基于单目视觉的SLAM算法研究

基于单目视觉的SLAM算法研究

引用

作者：曹恒华中科技大学

学位级别：硕士

随着机器人技术和人工智能的快速发展,移动机器人领域的研究得到了越来越多的关注。同步定位和地图构建(Simultaneous Localization and Mapping,SLAM)是目前移动机器人领域中最具难度和关注度的问题之一,是实现移动机器人完全自主的核... 详细信息

随着机器人技术和人工智能的快速发展,移动机器人领域的研究得到了越来越多的关注。同步定位和地图构建(Simultaneous Localization and Mapping,SLAM)是目前移动机器人领域中最具难度和关注度的问题之一,是实现移动机器人完全自主的核心技术。在一个未知的场景中,SLAM技术允许机器人依靠自身携带的传感器获取的数据建立一个与周围场景一致的地图,并同时确定机器人在场景中的位姿。近年来,由于视觉传感器的独特优势,基于单目视觉的SLAM研究已成为SLAM领域的重要研究方向之一。当前单目视觉SLAM算法主要分为前端和后端两个部分,前端算法对图像进行特征提取检测与描述子提取,对提取到的描述子进行特征匹配,根据匹配结果对相机位姿进行跟踪,最后进行位置识别;后端算法根据前端算法的结果进行位姿图优化与地图构建。但是当前单目视觉SLAM算法效率较低,不能满足实时性的要求,而且精度较差,计算出的机器人位姿和轨迹通常会偏离真实值。针对现有算法存在的问题,本文提出了以下的改进方法:(1)在特征检测和描述子提取环节使用基于ORB的特征检测和描述子提取方法。(2)在特征匹配环节使用基于FLANN的匹配优化算法。(3)在相机位姿跟踪环节使用基于对比的地图初始化算法和结合EPnP的位姿跟踪算法。本文使用标准数据集对算法改进前后进行了对比实验与分析。实验结果表明本文提出的单目视觉SLAM改进算法不仅能降低算法耗时,而且能降低算法的误差,证明了本文所提出的改进算法的正确性。

关键词：同步定位和地图构建位姿跟踪特征检测单目视觉

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：