针对视觉SLAM中由于视觉里程计存在累积误差导致难以构建全局一致的地图的问题,提出一种基于改进闭环检测的视觉SLAM算法。通过差分信息熵删除冗余关键帧;利用基于词袋模型(bag of words,BoW)改进的金字塔得分函数检测闭环,提高闭环的...针对视觉SLAM中由于视觉里程计存在累积误差导致难以构建全局一致的地图的问题,提出一种基于改进闭环检测的视觉SLAM算法。通过差分信息熵删除冗余关键帧;利用基于词袋模型(bag of words,BoW)改进的金字塔得分函数检测闭环,提高闭环的识别率,并通过改进的感知哈希算法对提取的闭环候选帧进行几何验证,剔除差别较大的候选帧。整个闭环检测算法结合ORB-SLAM2框架进行特征点提取、相机位姿估计和g2o图优化。利用标准RGBD SLAM数据集进行算法验证,实验结果表明,该算法能够有效降低SLAM系统的累积误差,实现更加准确的位姿估计,并且满足机器人建图的实时性要求。展开更多
文摘针对视觉SLAM中由于视觉里程计存在累积误差导致难以构建全局一致的地图的问题,提出一种基于改进闭环检测的视觉SLAM算法。通过差分信息熵删除冗余关键帧;利用基于词袋模型(bag of words,BoW)改进的金字塔得分函数检测闭环,提高闭环的识别率,并通过改进的感知哈希算法对提取的闭环候选帧进行几何验证,剔除差别较大的候选帧。整个闭环检测算法结合ORB-SLAM2框架进行特征点提取、相机位姿估计和g2o图优化。利用标准RGBD SLAM数据集进行算法验证,实验结果表明,该算法能够有效降低SLAM系统的累积误差,实现更加准确的位姿估计,并且满足机器人建图的实时性要求。
基金国家重点研发计划(2017YFF0106404)国家自然科学基金(51675160)+4 种基金河北省应用基础研究计划重点基础研究资助项目(15961701D)河北省高层次人才资助项目(GCC2014049)河北省人才工程培养经费资助项目(A201500503)江苏省双创人才资助项目European Horizon 2020 through Marie Sklodowska-Curie Individual Fellowship Scheme(707466-3DRM)
文摘针对多视图融合点云片段的闭环检测问题,提出一种基于视觉词典的闭环检测方法,该方法避免了O(N2)的匹配复杂度的问题.首先对融合后的点云进行去除边缘响应等预处理.然后对每个点云片段提取尺度不变特征变换Scale Invariant Feature Transform (SIFT)关键点,计算快速点特征直方图Fast Point Feature Histogram (FPFH)描述子,将描述子空间离散化处理构建三维特征的视觉词典树,利用树状结构的词典加快了验证几何片段的对应关系.为了保证检测闭环候选系统的可靠性,采用了点云重叠区域作为几何验证的标准.最后,利用公开的数据集进行测试,得到了较高的召回率与准确率.实验结果证明了该方法可以实现自动的全局配准.
