共查询到20条相似文献，搜索用时 265 毫秒
1.
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%。 相似文献
2.
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
3.
视觉同步定位与建图（visual simultaneous localization and mapping,VSLAM）技术是近年来机器人和计算机视觉领域的重点研究方向之一,但当前的主流算法主要面向静态环境,当场景中存在运动的物体时,算法的定位精度和稳定性会受到很大影响。为了解决上述问题,提出了一种惯性测量单元（inertialmeasurementunit,IMU）积分与YOLOv4语义分割结合的VSLAM前端动态特征点剔除算法,通过YOLOv4网络对图像进行语义分割,识别图像中有运动可能的物体;再将IMU积分与语义分割结合,对目标检测框内有运动可能的特征点进行重投影误差的解算,识别并剔除环境中运动的特征点。在TUM Visual-Inertial Dataset上验证该算法,结果表明,在包含运动物体的室内场景下,该算法可以有效剔除环境中的运动物体,显著提升SLAM系统的定位精度和稳定性。 相似文献
4.
针对目前视觉同步定位与建图(V-SLAM)动态场景适应性差的问题,提出了一种结合查找表和金字塔LK光流法的改进单目视觉同步定位与建图方法。该方法通过相邻帧的视差估计图像的移动方向,利用金字塔LK光流法获取光流信息,根据光流大小与阈值的比较检测移动物体,最终结合查找表减少移动物体对后续定位与建图的影响。实验证明该方法可以有效提高定位精度,减少图像的冗余信息和动态目标的影响。能满足视觉SLAM在室内场景下的实时需求,具有较高的准确性、鲁棒性和适应性。 相似文献
5.
精确且稳定的自主定位是移动机器人在室内环境下实现自主导航的前提,针对室内定位中视觉即时定位与地图构建(SLAM)存在的累计误差以及环境因素导致超宽带(UWB)定位精度下降的问题,提出一种基于SLAM/UWB的室内融合定位算法. 首先该算法以扩展卡尔曼滤波(EKF)为基础,将UWB的全局定位坐标和视觉SLAM位移增量进行融合,但考虑到测量噪声易受复杂环境影响,引入阈值检测和自适应测量噪声估计器,以抑制异常值和时变测量噪声对滤波器性能的影响,最后使用智能移动小车在不同的室内场地下进行实验. 实验表明:该算法优于单一的UWB或者视觉SLAM定位方式,并且在复杂室内环境下比传统EKF算法拥有更稳定的定位效果. 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. 相似文献
8.
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
9.
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IMU的数学模型,使用中值法得到运动模型的离散积分. 最后将单目视觉姿态与IMU轨迹对齐,采用基于滑动窗口的非线性优化得到机器人运动的最优状态估计. 通过构建仿真场景以及与单目ORB-SLAM算法对比两个实验进行验证,结果表明,该方法优于单独使用VO,定位精度控制在0.4 m左右,相比于传统跟踪模型提高30%. 相似文献
10.
针对港口岸边作业区和堆场内部等特定场景影响无人车辆高精度定位的问题,本工作以Cartographer 同步定位与建图(SLAM)作为算法基础,研究了基于反射靶标的无人车辆高精度定位方法,设计优化了反射靶标参数与布置方法. 针对影响基于反射靶标的激光SLAM定位精度的关键参数、行车速度和抖动干扰,设计实现了测试系统并进行了多参数对比. 针对港口场景下易发生的大抖动干扰导致激光SLAM定位失效的问题,分析了定位失效的产生机理,进而研究了基于惯性导航系统(IMU)和激光SLAM的复合定位技术,提出了大抖动干扰情况下基于反射靶标的激光SLAM定位误差的抑制方法. 实验结果表明:上述方案提高了无人车辆在港口特定场景下的定位精度和定位方法鲁棒性. 相似文献
11.
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
12.
针对机器人在室内大范围场景中定位初始化技术难题,提出一种基于特征模式的定位初始化方法.首先,结合室内场景结构特征分析,探索场景中具有空间位置标示功能的稳定人工构筑物如墙壁、柱体等结构及结构组合,将其定义为特征模式,以提高场景特征表达稳健性.其次,结合多线激光雷达数据特点,提出实时数据的特征模式提取方法,对其分级管理,提高了场景特征表达效率.然后,提出一种半自动化处理方法实现点云地图特征模式提取,并采用一种高效的数据管理方案,避免在多次初始化时对地图数据重复冗余操作,提高定位效率.最后,针对各类特征模式,构建两种误差方程,结合L-M梯度下降求解方法,以地图格网击中比率作为初始化评价指标,制定自适应的匹配与配准策略,实现机器人在大尺度室内场景中的定位初始化.为了验证本文方法的可行性,使用低成本的16线激光雷达,并选取走廊、大厅、地下停车场3种典型室内场景进行试验.试验结果表明,本文方法可快速实现大尺度室内场景的定位初始化,其性能基本满足实际应用中室内机器人的定位精度与效率要求. 相似文献
13.
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
14.
视觉惯性里程计（VIO）和伪卫星已经广泛应用于室内环境定位中,但在实际应用中,二者各自都有明显的缺陷。视觉里程计依赖于实际场景,在景深变化明显和光照不均匀的环境下会产生粗差,而且误差会不可避免地随着时间累积,但是在相邻帧间能保证相对高精度的位姿测量。由于受到室内多径的影响,伪卫星室内定位的精度和可靠性很难保证。为增加室内定位的可靠性和稳定性,基于抗差LM非线性优化理论,本文主要研究利用视觉惯性里程计的相邻帧间高精度位姿测量和伪卫星融合的室内高精度定位技术。该算法不仅可以抵抗粗差,而且可以减弱不同传感器间权重设置不合理带来的影响。最后使用在室内环境下搭建的高精度动态捕捉设备对组合定位方法进行实验验证。试验结果表明,该方法不依赖回环即可消除视觉惯性里程计的累积误差,有效提高室内定位精度及可靠性。利用改进的LM算法融合后场景1和场景2,相对于VIO单独定位精度分别提高了59.0%和77.5%。 相似文献
15.
为了减弱视觉同时定位与地图构建(SLAM)易受光照、纹理等条件的影响,在非线性化单目SLAM研究基础上,该文提出了 一种加速度计bias估计优化初始化与点线特征结合的优化视觉里程计,使得在光线较弱的情况下也有较好的位姿估计效果,更优秀的初始化结果使得整个系统更加鲁棒、精度更高,且为了减少因为线特征的加入而增加的计算量,提出一种新的数据选择策略.通过和其他优秀算法(如PL-VIO、仅特征点方案)对比及真实场景实验的结果分析可知,该文提出的点线联合的优化视觉惯性里程计不仅能够减少定位误差,而且在光照条件较弱的环境中有较高的精度,既保证了系统的实时性,又提高了系统的鲁棒性. 相似文献
16.
针对现有各类同步定位与地图构建(simultaneous localization and mapping,SLAM)方法的效率与精度问题,本文提出了一种适用于大尺度场景且鲁棒高效的SLAM方法.该方法使用直接优化与特征匹配融合定位算法提高SLAM过程的鲁棒性,采用图优化算法融合多源数据,并结合高效率联合稀疏优化方法,扩大SLAM系统处理的场景规模.此外,通过采用回环检测策略,有效抑制了重建过程中场景漂移现象的出现.通过对3个大尺度场景进行同步定位与地图构建实验,验证了本方法的有效性.相较于既有SLAM方法,该方法的三维重建效率获得了成倍提升. 相似文献
17.
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
18.
本文基于智能手机GNSS观测值的质量和性质,利用手机载波相位观测值不确定度进行粗差处理,使用星间单差法消除智能手机伪距和载波相位观测值之间差值不固定特性的影响,针对手机观测值修改滤波过程中的观测值噪声方差数值,采用不固定载波相位整周模糊度的常加速度动态单频Kalman滤波模型实现实时PPP和RTK两种定位方法,提高手机实时GNSS定位精度。使用某智能手机进行验证,单频实时动态PPP定位在99s内达到稳定状态,平面定位精度为1.51 m,高程精度为2.79 m;RTK定位在27 s内达到稳定状态,平面定位精度为0.73 m,高程精度为0.78 m。测试结果表明目前智能手机的GNSS定位模块具有提供更加精准的位置服务能力,甚至在某些特定场景下具有实施测绘作业的潜能。 相似文献
19.
20.
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。 相似文献