针对在多歧义场景下移动机器人VSLAM(visual simultaneous localization and mapping)的闭环检测问题,提出了一种基于空间位置不确定性约束的改进闭环检测算法.首先针对ICP(迭代最近点)算法点云配准环节提出新的距离函数,弥补了欧氏距...针对在多歧义场景下移动机器人VSLAM(visual simultaneous localization and mapping)的闭环检测问题,提出了一种基于空间位置不确定性约束的改进闭环检测算法.首先针对ICP(迭代最近点)算法点云配准环节提出新的距离函数,弥补了欧氏距离与马氏距离的不足.其次,基于特征点的空间位置不确定性,建立视觉里程计累积误差模型并采用卡尔曼滤波减小误差.然后,根据视觉里程计累积误差模型给出闭环检测的空间范围约束.最后,根据闭环检测结果修正累积误差,进一步缩小闭环检测范围.一方面,改进算法限制了闭环检测的范围,提高了实时性;另一方面,空间约束有效排除了大部分的感知歧义,提高了闭环检测的准确率.数据集和实际场景下的对比实验均表明,对于感知歧义场景,本文提出的闭环检测算法在保证一定的召回率下,准确率明显高于IAB-MAP、FAB-MAP和RTAB-MAP,并且表现出良好的实时性;对于复杂室内场景,本文算法也有着较好的实时性和准确率.展开更多
文摘针对在多歧义场景下移动机器人VSLAM(visual simultaneous localization and mapping)的闭环检测问题,提出了一种基于空间位置不确定性约束的改进闭环检测算法.首先针对ICP(迭代最近点)算法点云配准环节提出新的距离函数,弥补了欧氏距离与马氏距离的不足.其次,基于特征点的空间位置不确定性,建立视觉里程计累积误差模型并采用卡尔曼滤波减小误差.然后,根据视觉里程计累积误差模型给出闭环检测的空间范围约束.最后,根据闭环检测结果修正累积误差,进一步缩小闭环检测范围.一方面,改进算法限制了闭环检测的范围,提高了实时性;另一方面,空间约束有效排除了大部分的感知歧义,提高了闭环检测的准确率.数据集和实际场景下的对比实验均表明,对于感知歧义场景,本文提出的闭环检测算法在保证一定的召回率下,准确率明显高于IAB-MAP、FAB-MAP和RTAB-MAP,并且表现出良好的实时性;对于复杂室内场景,本文算法也有着较好的实时性和准确率.
