排序方式: 共有5条查询结果,搜索用时 31 毫秒
1
1.
2.
为解决视觉SLAM在户外眩光场景下稳定性较低的问题,本文结合深度学习在图像处理领域的方法,提出了一种面向室外含有眩光干扰场景的改进的ORB-SLAM2算法。首先,将定位相机拍摄图片输入预先训练的U-Net网络处理,该网络可有效去除图片眩光,同时对无眩光干扰的图像可保持原始信息输出;然后,采用图像亮度判断算法判断该网络输出图像的亮度,对低亮度图像采用对比度受限的直方图均衡化处理(CLAHE)。根据实际户外场景下的试验结果,本文改进后的ORB-SLAM2系统的运动轨迹相比于原始系统,更加接近相机真实运动轨迹,同时该系统在户外眩光场景下具有更好的稳健性。 相似文献
3.
4.
为了提高室内外过渡区定位精度,本文采用GPS+BDS与UWB组合定位,建立GPS+BDS与UWB组合定位模型,并针对GPS与BDS星座结构的不同,以及UWB与GNSS观测值残差差异较大的情况,采用Helmert方差分量估计法分别对GPS、BDS、UWB进行定权;最后通过动态室内外过渡区试验组合模型进行精度验证。结果表明,基于GNSS+UWB定位系统,采用Helmert方差分量方法,在东、北、天3个方向的定位精度均获得了显著提高,静态条件下提高幅度约为20%,动态条件下提高幅度约为10%。 相似文献
5.
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
1