基于LiDAR和SLAM(simultaneous localization and mapping)的LeGO-LOAM算法在低分辨率的LiDAR设备上,由于LiDAR数据的运动畸变、采样的地面数据稀疏等问题,存在重力矢量漂移现象和严重的高程估计误差。为了改善这一点,LeGO-LOAM改进算...基于LiDAR和SLAM(simultaneous localization and mapping)的LeGO-LOAM算法在低分辨率的LiDAR设备上,由于LiDAR数据的运动畸变、采样的地面数据稀疏等问题,存在重力矢量漂移现象和严重的高程估计误差。为了改善这一点,LeGO-LOAM改进算法引入了一种LiDAR和IMU(inertial measurement unit)紧耦合的方式。通过IMU估计运动状态,消除LiDAR数据的运动畸变,并使用IMU数据构建联合优化函数,约束位置姿态估计的重力方向。实验结果表明,这种方法有效抑制了LeGO-LOAM算法的重力矢量漂移,高程估计精度和高速状态下的定位精度均有显著提升。展开更多
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
针对同步定位与建图(Simultaneous Localization and Mapping,SLAM)系统经常因为相机抖动及场景结构单一等问题而导致跟踪失败的情况,以及重建三维地图的任务,提出了一种混合SLAM方法(R-ORB SLAM)。该方法采用一种基于光度误差的位姿粗...针对同步定位与建图(Simultaneous Localization and Mapping,SLAM)系统经常因为相机抖动及场景结构单一等问题而导致跟踪失败的情况,以及重建三维地图的任务,提出了一种混合SLAM方法(R-ORB SLAM)。该方法采用一种基于光度误差的位姿粗略估计作为特征视觉里程计的先验,在ORB-SLAM2跟踪失败的情况下,使用该结果参与位姿估计。同时,在建图模块,对由每个关键帧点云拼接得到的全局点云地图使用VoxelGrid滤波器进行下采样,得到去除冗余点的稠密三维点云地图。通过对三维点云地图使用Poisson算法实现表面重建,得到三维地图模型。在两个流行的公开数据集上的实验结果表明,本文方法能有效解决跟踪失败问题,实现三维地图重建,具有较高的跟踪精度与重建精度。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。
文摘针对同步定位与建图(Simultaneous Localization and Mapping,SLAM)系统经常因为相机抖动及场景结构单一等问题而导致跟踪失败的情况,以及重建三维地图的任务,提出了一种混合SLAM方法(R-ORB SLAM)。该方法采用一种基于光度误差的位姿粗略估计作为特征视觉里程计的先验,在ORB-SLAM2跟踪失败的情况下,使用该结果参与位姿估计。同时,在建图模块,对由每个关键帧点云拼接得到的全局点云地图使用VoxelGrid滤波器进行下采样,得到去除冗余点的稠密三维点云地图。通过对三维点云地图使用Poisson算法实现表面重建,得到三维地图模型。在两个流行的公开数据集上的实验结果表明,本文方法能有效解决跟踪失败问题,实现三维地图重建,具有较高的跟踪精度与重建精度。
