为解决当前视觉SLAM(simultaneous localization and mapping,同时定位及地图构建)算法在近处纹理稀缺、动态物体遮挡等复杂交通环境下出现的定位失效的问题,提出一种基于关键目标的视觉SLAM算法。首先,以典型交通场景环境感知算法所检...为解决当前视觉SLAM(simultaneous localization and mapping,同时定位及地图构建)算法在近处纹理稀缺、动态物体遮挡等复杂交通环境下出现的定位失效的问题,提出一种基于关键目标的视觉SLAM算法。首先,以典型交通场景环境感知算法所检测的交通信号、标志等静止目标为基础,在静止目标中进行特征提取并筛选关键目标。其次,通过关键目标的类别和几何参数完成相连帧之间关键目标的匹配。然后,基于关键目标进行SLAM系统的初始化和跟踪,并通过最小化重投影误差求解当前相机位姿。最后,在局部建图线程中对相机位姿和关键目标三维坐标联合优化,并在局部地图中更新。经实验验证,所提算法能有效解决近处纹理缺失环境下的定位失效问题,保持了较高的定位精度,具有良好的环境适应性。展开更多
文摘为解决当前视觉SLAM(simultaneous localization and mapping,同时定位及地图构建)算法在近处纹理稀缺、动态物体遮挡等复杂交通环境下出现的定位失效的问题,提出一种基于关键目标的视觉SLAM算法。首先,以典型交通场景环境感知算法所检测的交通信号、标志等静止目标为基础,在静止目标中进行特征提取并筛选关键目标。其次,通过关键目标的类别和几何参数完成相连帧之间关键目标的匹配。然后,基于关键目标进行SLAM系统的初始化和跟踪,并通过最小化重投影误差求解当前相机位姿。最后,在局部建图线程中对相机位姿和关键目标三维坐标联合优化,并在局部地图中更新。经实验验证,所提算法能有效解决近处纹理缺失环境下的定位失效问题,保持了较高的定位精度,具有良好的环境适应性。
