共查询到10条相似文献，搜索用时 15 毫秒
1.
基于单一传感器的同时定位与地图构建技术已经逐渐不能满足移动机器人、无人机及自动驾驶车辆等智能移动载体日益复杂的应用场景。为了进一步提升移动载体在复杂环境下的定位与建图性能,基于多传感器融合的SLAM技术成为目前研究的热点内容。本文提出了一种基于图优化的紧耦合双目视觉/惯性/激光雷达SLAM方法(S-VIL SLAM),该方法在视觉惯性系统中引入激光雷达原始观测,基于滑动窗口实现了IMU量测、视觉特征及激光点云特征的多源数据联合非线性优化。利用视觉与激光雷达的互补特性设计了视觉增强的激光雷达闭环优化算法,进一步提升了多源融合SLAM系统的全局定位与建图精度。为了验证本文算法的性能,利用自主搭建的集成多传感器的硬件采集平台在室外场景下进行了车载试验。试验结果表明,本文提出的紧耦合双目视觉/惯性/激光雷达里程计相比于紧耦合双目视觉惯性里程计和激光雷达里程计定位定姿性能显著提升,视觉增强的激光雷达闭环优化算法能够在大尺度场景下有效探测出轨迹中的闭环信息,并实现高精度的全局位姿图优化,经过闭环优化的点云地图具有良好的分辨率和全局一致性。 相似文献
2.
同时定位和地图构建(SLAM)凭借其高能效和低功耗等特点在诸多领域应用前景广阔.然而,在传统的SLAM系统中仍存在一些问题:传统的视觉里程计中关键帧并不包含语义信息,移动机器人获取的图像信息较为单一,且在实际场景中关键帧总包含大量误匹配点和动态点.针对以上问题,本文提出一种语义SLAM思路.首先,为了能够匹配到正确且对应的特征点,摒弃动态点和误匹配点的干扰,提出了一种基于Lucas-Kanade光流法的相邻帧特征状态判别法,将这项功能作为新的线程加入ORB-SLAM3的视觉里程计部分,完成对部分传统SLAM框架的优化和改进工作.其次,针对传统SLAM系统前端视觉里程计获取的图像帧不包含任何语义信息的问题,使用基于YOLOV4的目标检测算法和融合全连接条件随机场CRF的Mask R-CNN语义分割算法对ORB-SLAM3中的关键帧图像进行处理,有效提高了机器人等智能设备对室内环境的感知能力. 相似文献
3.
为了提高移动机器人的定位精度,提出一种双目视觉与惯导融合的视觉SLAM算法.在视觉SLAM前端部分,为了保持直接法计算速度快及特征法精度高的特点,提出一种融合直接法和特征法的半直接法双目视觉里程计.在后端优化阶段,将视觉数据与IMU数据相互融合,在滑动窗口中以非线性优化的方式构建误差函数,优化位姿计算精度.在EuRoc数据集中对本文提出的算法进行试验验证.结果表明,与开源的视觉惯导融合的SLAM系统OKVIS、ROVIO和VINS-Mono相比,本文系统在Machine Hal l与Vi con Room两个场景中的定位精度均得到了明显的提升,同时可以保持较高的运行效率. 相似文献
4.
蒋欣 《测绘与空间地理信息》2024,(4):221-224
针对纯视觉SLAM在光照变化明显、环境纹理较少及载体快速运动的室内场景中容易出现特征跟踪失败、定位精度下降等问题,本文提出了一种基于滑动窗口进行后端优化的视觉惯导紧耦合方法,融合了IMU信息以提高跟踪精度与系统的鲁棒性。该方法利用IMU预积分误差与单目视觉SLAM的重投影误差构建新的损失函数来进行状态估计,采用基于滑动窗口的非线性优化方法进行运动估计,实时恢复组合系统位姿。在实测数据集上的实验结果表明,本文方法在x轴方向上的均方根误差为0.124 m,y轴方向上的均方根误差为0.113 m,实现了厘米级精度的定位。 相似文献
5.
室内场景由大量的平面和直线构成,且经常存在纹理单一而少的情况,这会使得产生的点特征稀少且分布不均匀,从而导致传统的以点特征为观测值的视觉同步定位与建图（simultaneous localization and mapping, SLAM）容易产生不准确的定位结果。本文针对室内场景,在基于点特征的视觉SLAM基础上,引入线特征作为额外的观测值。针对与运动方向平行的线特征对运动估计的几何约束较弱的不足,提出一种能从线特征中筛选出与运动方向不平行的线特征的方法,选择与运动方向不平行的结构线特征参与平差优化,提高室内视觉SLAM的定位精度。实验表明,在公开数据集上,使用本文的方法后,定位精度能在基本不影响实时性的条件下提高15%左右。 相似文献
6.
针对行人在大型复杂建筑环境中的高精度和高可靠性室内定位需求,传统的基于视觉点特征方法易受环境纹理缺失、相机快速运动导致图像模糊而定位失效问题,提出了一种基于视觉点线特征与IMU紧耦合的行人室内 自主定位方法.在视觉惯导融合导航系统框架下,前端部分,在点特征基础上引入结构化建筑环境中丰富的线特征,并采取基于梯度密度过滤机制的改进线特征提取策略,剔除局部线特征密集区域;利用点线特征与IMU紧耦合优化机制提高行人位姿估计及定位的准确性和稳定性.通过利用EuRoC数据集和在实际楼道场景下的实验,特别是在弱纹理、光照变化等条件下实验,验证了所提方法进行行人室内定位的准确性和可行性. 相似文献
7.
针对眩光/阴影等复杂光照干扰场景视觉定位鲁棒性较低的问题，该文提出一种顾及图像亮度特征的自适应视觉同时定位与地图构建(SLAM)定位方法。该方法基于ORB-SLAM2算法进行改进，通过在ORB-SLAM2前端利用图像平均亮度阈值法检测光照干扰图像，并对其进行饱和度增强，从而得到有利于ORB特征提取的图像。该文利用TUM数据集与KITTI数据集验证了所提方法的可靠性，并与原ORB-SLAM2和ORB-SLAM3算法进行了对比实验。实验结果表明，该文方法的定位精度优于其他两种算法，有效提升了复杂光照场景中视觉定位的鲁棒性。 相似文献
8.
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。 相似文献
9.
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。 相似文献
10.
在无GPS信号的受限环境中,基于序列立体影像的运动平台视觉定位精度较高,能够改正航迹推算方法的误差累积,但在纹理贫乏或光照不足的环境下容易定位失败。为提高受限环境下运动平台定位的精度与稳健性,提出一种基于联邦滤波的立体相机、惯性测量单元（inertial measurement unit,IMU）及里程计组合导航方法。该方法在联邦滤波中利用IMU分别同里程计与立体相机构成子滤波器,有效避免立体视觉定位失效而导致的系统定位失败,提高了定位稳健性。地下巷道实验结果证明,所提方法能有效提高运动平台导航定位的精度,并且在立体视觉定位失效的情况下仍能实现连续定位。 相似文献