目前实时定位及地图重建(SLAM)算法中的实时定位技术已趋于稳定,研究视野转向基于点线特征的半稠密SLAM算法。针对此研究方向,提出了一种基于点线特征的SLAM算法。首先,在视觉前端使用基于三斑块与局部灰度差分的oriented fast and rota...目前实时定位及地图重建(SLAM)算法中的实时定位技术已趋于稳定,研究视野转向基于点线特征的半稠密SLAM算法。针对此研究方向,提出了一种基于点线特征的SLAM算法。首先,在视觉前端使用基于三斑块与局部灰度差分的oriented fast and rotated brief(ORB)算法提取特征点并匹配。同时使用multiscale line segment detector(MLSD)算法提取线段特征并匹配,使系统在点特征几何变换的基础上加入了线特征的约束条件来计算位姿变换。然后使用点和线约束通过局部bundle adjustment(BA)方法优化位姿。最后进行回环检测来重定位。对所提算法在Euroc数据集上进行了测试,并与同类算法进行了比较。实验结果表明:所建地图相对较为稠密且轮廓清晰、准确度高;同时在V1-02-mdeium、V2-02-mdeium、MH-02-easy、MH-03-medium、MH-04-difficult数据集中均方根误差(RMSE)分别是0.045、0.0561、0.0539、0.0491、0.0623,相对最低。研究结果表明所提算法在同类算法中具有相对较好的建图效果和较高的精度。展开更多
文摘目前实时定位及地图重建(SLAM)算法中的实时定位技术已趋于稳定,研究视野转向基于点线特征的半稠密SLAM算法。针对此研究方向,提出了一种基于点线特征的SLAM算法。首先,在视觉前端使用基于三斑块与局部灰度差分的oriented fast and rotated brief(ORB)算法提取特征点并匹配。同时使用multiscale line segment detector(MLSD)算法提取线段特征并匹配,使系统在点特征几何变换的基础上加入了线特征的约束条件来计算位姿变换。然后使用点和线约束通过局部bundle adjustment(BA)方法优化位姿。最后进行回环检测来重定位。对所提算法在Euroc数据集上进行了测试,并与同类算法进行了比较。实验结果表明:所建地图相对较为稠密且轮廓清晰、准确度高;同时在V1-02-mdeium、V2-02-mdeium、MH-02-easy、MH-03-medium、MH-04-difficult数据集中均方根误差(RMSE)分别是0.045、0.0561、0.0539、0.0491、0.0623,相对最低。研究结果表明所提算法在同类算法中具有相对较好的建图效果和较高的精度。
