一种用于图像特征提取的改进ORB-SLAM算法

针对复杂室内环境下视觉SLAM定位存在实时性差、轨迹漂移等问题,本文提出了一种基于图像特征提取方法的ORBSLAM算法。该算法在前端中提高图像特征检测与匹配的效率和精度,引入闭环检测策略优化相机位姿轨迹,提高定位精度。以不同来源图像对比分析不同特征提取算法SIFT、SURF、ORB的有效性,运用该算法估计机器人运动轨迹,与真实轨迹相对位姿误差为0.144 8 m,试验表明所提出的方法切实可行,具有较高的稳健性。     

一种基于深度相机的机器人室内导航点云地图生成方法

点云地图是智能机器人自主导航的基础。文中提出一种基于深度相机的机器人室内导航点云地图生成方法,通过对图像特征的快速提取与匹配,实时估计相机位姿;综合考虑彩色图像的投影误差与深度图像的反投影误差,应用图优化算法对关键帧位姿与地图点进行联合优化;通过环路检测与地图优化降低估计误差累积的影响;利用估计得到的相机位姿将关键帧对应的图像点云进行拼接融合,形成表示三维空间场景结构的稠密点云地图。通过实验验证方法的有效性、精确性与实时性。     

一种双目混合追踪的视觉里程计算法

针对特征点法视觉里程计(visual odometry,VO)中,描述子匹配算力要求较高,而光流追踪算法存在误差累积的问题,提出了一种双目混合追踪的视觉里程计算法,并通过实验对该方法的定位结果与计算效率进行分析.在该算法中,前端在影像关键帧提取ORB(oriented brief)特征点并生成路标点,优先采用Inverse Compositional光流进行追踪,使用卡方检验等检测外点;为检测定位粗差,提出通过由相邻帧位姿恢复的极线进行检验;光流追踪失败或未通过极线检验时,提取ORB特征点维持跟踪或进行重定位;同时,后端进行相机位姿、路标点联合优化以减小误差累积.实验结果表明,该算法定位精度低于ORB-SLAM2(simultaneous location and mapping)算法,但运算效率有明显提升.     

基于点特征的单目视觉里程计实现

本文采用特征点检测实现移动机器人的单目视觉里程计,通过对图像进行网格划分保证特征点均匀分布,提高特征点匹配效率。并行计算基础矩阵及单应矩阵实现单目视觉里程计的自动初始化,采用RANSAC算法剔除外点提高特征点匹配质量。设定运动模型及参考帧模型加速帧间运动估计,并通过合理的关键帧选取策略及图优化提高相机位姿精度及鲁棒性。利用TUM数据集测试本文设计的单目视觉里程计,实验轨迹误差为3.58 m,通过Turtlebot2移动机器人对真实环境进行测试,实验表明本文方法的有效性。     

机器人室内运动轨迹修正控制算法

移动机器人在室内的应用提升了人们的工作效率和生活品质,但针对移动机器人室内运动轨迹漂移误差,产业界一直没有较好的解决办法。为了在室内环境下实现机器人运动轨迹的高精度控制,本文结合基于LiDAR搭建的SLAM （simultaneous localization and mapping）功能模块,提出了一种机器人室内测图运动轨迹PID反馈修正控制方法,利用机器人的运动姿态、位置及设计轨迹的偏差设计了闭环模式的轨迹修正控制算法,显著提高了机器人室内作业的轨迹精度。针对机器人室内运动的几种典型轨迹,通过大量的机器人室内测图运动轨迹测试,进一步优化算法中的机器人运动控制参数,有效地减小了移动机器人室内运动轨迹的偏移。相对于依靠里程计定位的机器人室内运动控制系统,修正算法充分利用了激光雷达的定位定姿信息,满足了室内测图需求,得到了具备高可靠性和高稳定性的机器人室内精确运动控制方案。     

基于卷帘快门相机模型的高精度建图与视觉定位

使用卷帘快门相机进行移动测量时,由于逐行曝光的特点,影像上会产生果冻效应。而传统的建图与视觉定位方法大多假设影像是全局快门获取,直接处理卷帘快门影像很难得到高精度的结果。针对以上问题,构建基于插值的卷帘快门相机模型,并将其用于卷帘快门影像的高精度建图与视觉定位。建图时使用运动恢复结构算法,利用卷帘快门相机模型对影像特征点进行坐标插值,获取该点的位姿,继而得到对应的投影矩阵,再进行卷帘快门三角化和卷帘快门光束法平差优化,完成高精度建图。在视觉定位环节,利用PnP(perspective-n-point)算法获取影像定位初值,之后使用卷帘快门影像绝对位姿优化算法进行优化。实验结果表明,与传统方法相比,所提方法的建图与视觉定位精度更高。     

结合扩展卡尔曼滤波与基于点线的最近点迭代扫描匹配算法的机器人位姿自适应估计

针对机器人利用单一位姿估计方法累积误差大、精度低的问题,本文提出了一种基于扩展卡尔曼滤波算法(EKF)和基于点线的最近点迭代扫描匹配算法(PL-ICP)的机器人位姿自适应估计方法。为了减少轮式里程计造成的累积误差,利用Mahony算法对陀螺仪和加速度计进行姿态解算,进而基于扩展卡尔曼滤波融合轮式里程计初步估计机器人位姿;为了减少轮子变形、打滑等对机器人位姿的影响,利用PL-ICP点云匹配算法构建单线激光里程计,对机器人位姿再次进行估计;为了提高位姿估计的准确度,提出了一种基于两种位姿总均方差和前后时刻位姿误差构建累积误差的自适应修正算法,通过分析两种位姿总均方差及前后时刻位姿误差,得到全局最优权重因子和局部动态权重因子,实现累积误差修正因子的自适应调整,得到机器人更精确的位姿估计。试验结果表明,该方法可对机器人的位姿累积误差进行修正,显著提高机器人的位姿估计精度。     

群组相似轨迹的特征点映射数据压缩方法

针对车载定位设备的普及产生大量车辆轨迹数据的管理问题,该文提出了一种群组相似轨迹的数据压缩算法。该算法提取每条轨迹的特征点,再将这些特征点进行融合以形成初始参考轨迹。通过定义和求解最优压缩比目标函数,初始参考轨迹被进一步过滤为优化参考轨迹。获得待压缩轨迹的关键特征点与优化参考轨迹的公共特征点之间的映射关系,利用特征点映射关系对每个轨迹进行压缩,将所提出的群组相似轨迹压缩算法与两种代表性算法进行了比较。实验结果证明,本文算法在压缩比方面优于这两种代表性算法,并且在压缩时间上也具有竞争性。该算法的特点在于利用特征点之间的相互映射关系,能够实现对群相似轨迹数据进行统一压缩。     

特征法视觉SLAM逆深度滤波的三维重建

针对现有特征法视觉SLAM只能重建稀疏点云、非关键帧对地图点深度估计无贡献等问题,本文提出一种特征法视觉SLAM逆深度滤波的三维重建方法,可利用视频序列影像实时、增量式地构建相对稠密的场景结构.具体来说,设计了一种基于运动模型的关键帧追踪流程,能够提供精确的相对位姿关系;采用一种基于概率分布的逆深度滤波器,地图点通过多帧信息累积、更新得到,而不再由两帧三角化直接获取;提出一种基于特征法与直接法的后端混合优化框架,以及基于平差约束的地图点筛选策略,可以准确、高效解算相机位姿与场景结构.试验结果表明,与现有方法相比,本文方法具有更高的计算效率和位姿估计精度,而且能够重建出全局一致的较稠密点云地图.     

SLAM激光点云整体精配准位姿图技术

基于同步定位与制图(simultaneous localization and mapping,SLAM)技术的激光扫描系统具有成本低、效率高的优点,近年来在测绘领域得到了广泛关注。虽然基于SLAM技术的激光扫描系统能够实现实时数据获取,但该数据获取方式难以保证点云精度,不同位置获取的同一地物的点云存在位置不一致。为了提高该类系统所获点云精度,本文提出一种分层次点云全局优化方法。该方法首先通过"点-切平面"迭代最近邻算法对重叠点云进行配准,形成扫描系统轨迹间的约束;然后构建位姿图对轨迹进行优化,利用优化后的轨迹对点云进行修正。算法通过将优化过程分解为局部和整体两个层次以提高计算效率。试验结果表明,优化后点云同名点对间的距离中误差减小约50%,内部不一致现象得到有效消除。     

基于紧耦合的视觉惯性定位方法

惯性测量单元(IMU)受自身温度、零偏、振动等因素干扰,积分时位姿容易发散,并且机器人快速移动时,单目视觉定位精度较差,为此研究了一种基于紧耦合的视觉惯性即时定位与地图构建(SLAM)方法.首先研究了视觉里程计(VO)定位问题,为减少特征点的误匹配,采用基于快速特征点提取和描述的算法(ORB)特征点的提取方法.然后构建...     

基于图像语义分割的动态场景下的单目SLAM算法

在恢复场景信息和相机运动时,传统的SLAM算法是基于静态环境假设的。场景中的动态物体会降低算法的稳健性和最终的定位精度。本文提出将基于深度学习的图像语义分割技术与传统的视觉SLAM算法结合,以减少动态物体对定位结果的干扰。首先,构建有监督的卷积神经网络对输入图像中的动态物体进行分割,获得语义图像;然后,从原始图像中提取特征点,并根据语义图像剔除动态物体特征点,保留静态物体特征点;最后,利用静态物体特征点采用基于特征点的单目视觉SLAM算法对相机运动进行跟踪。在ApolloScape自动驾驶数据集上的试验表明,与传统方法相比,本文算法在动态场景中定位精度提升约17%。     

多镜头组合式相机的全景SLAM

同步定位与地图构建(simultaneous localization and mapping,SLAM)是摄影测量、计算机视觉和机器人学的研究热点,并广泛应用于移动测图系统、机器人、无人驾驶车等。本文提出一种针对多镜头组合式全景相机的基于特征的SLAM解决方案。首先,本文建立了鱼眼相机的高精度检校模型,以保证鱼眼相机与全景相机之间的高精度坐标转换;然后,将多镜头组合式全景成像模型嵌入SLAM的初始化、局部地图生成、关键帧选取、图优化等各个流程中。此外,考虑全景相机变形大、基线长的不利因素,本文在特征匹配、平差、特征点跟踪等SLAM的各个步骤都进行了针对性改进。本文在两套车载全景数据集共8000余张全景影像上进行试验。结果表明,本文所提出的全景SLAM很好地实现了全景相机的自动定位与地图构建功能,并达到了接近GPS参考的极高定位精度而无须借助GPS/IMU组合导航系统。相对于主流的基于平面相机的各类SLAM系统,如Mono-SLAM、Stereo-SLAM以及RGB-DSLAM,本文提出的全景SLAM可作为良好的补充,并为GPS信号失锁时的传感器定位提供廉价的自动解决方案。     

基于SURF改进算法的红外序列影像快速配准的方法研究

提出一种基于SURF算子和特征偏移一致性准则的无人飞行器红外序列影像配准的方法。该方法采用SURF算子对特征点进行提取和匹配。SURF算子仅考虑点的局部信息,没有考虑特征点集的几何信息。本文采用特征偏移一致性准则来剔除误匹配点对,提高特征点对的匹配精度,所得到的特征点集采用LM非线性优化进行单应矩阵求解配准,与其他算法相比,本方法适合于红外序列影像快速拼接,有较好的实用效果和鲁棒性。     

基于几何约束和目标检测的室内动态SLAM

针对即时定位与地图构建(SLAM)在室内动态环境下定位精度低和地图效果差的问题,提出一种基于几何约束和目标检测的室内动态SLAM方法. 使用目标检测网络获取语义信息,提出运动物体漏检的方法;根据先验知识,提出准确识别动态区域的信息判定方法;结合几何约束和深度学习方法剔除动态点,利用静态点估计相机位姿;根据存储信息构建可闭环的静态地图. 在TUM数据集上进行实验,定位精度比ORB-SLAM2提高97.5%,相较于其他动态SLAM可取得更好的性能. 在室内真实环境进行实验,构建的静态地图更准确,有效提高了室内动态SLAM的定位精度和地图效果.      

利用视觉灭点检测室内机器人偏航角的方法

室内障碍地图在呈现给用户端浏览的同时,也是自主运动视觉机器人路径规划和障碍规避的依据.由于自主运动视觉机器人的起始位姿选择具有随机性,当机器人沿随机方向行走时,往往导致所建室内障碍地图产生偏斜.本文利用单张已标定像片检测视觉正交灭点,结合相机几何透视原理和灭点几何特性,提出了一种室内机器人偏航角的简单快速检测方法,并成...     

轨迹延续性与影像特征相似性结合的城市道路提取

城市道路区域检测是城市土地管理、交通规划等领域的迫切需求,而传统城市道路区域检测多使用轨迹提取、遥感解译、人工采集等单独方式,在自动化程度或提取质量上存在一定的局限性。本文结合GNSS轨迹点与高分遥感影像各自的数据优势,提出一种基于轨迹延续性与影像特征相似性的遥感影像道路区域检测方法。该方法以出租车GNSS轨迹点构建轨迹特征栅格,基于轨迹延续性在平均方向特征栅格中划分路段对象,利用道路对象的光谱特征向轨迹无法覆盖的小区内部进行拓展,以获得提取区域内较为完整的道路信息。试验证明：本文方法可以有效降低道路的同物异谱现象及阴影、树木遮挡的影响,高效地提取高分遥感影像中的道路区域。与传统的遥感影像分类方法相比,具有更高的精度与自动化程度,相较于深度学习模型具有更广的适应性。