1 江苏科技大学 计算机学院, 江苏镇江22000
2 南京大学 计算机软件新技术国家重点实验室, 江苏南京10046
为了提高动态场景RGB-D SLAM中相机位姿精度,基于实例分割与光流算法,提出一种高精度RGB-D SLAM方法。首先,通过实例分割算法检测出场景中的物体,删除非刚性物体并构造语义地图。接着,通过光流信息计算运动残差,检测场景中动态刚性物体,并在语义地图中追踪这些动态刚性物体。然后,删除每一帧中非刚性物体和动态刚性物体上的动态特征点,利用其他稳定的特征点优化相机位姿。最后,通过TSDF模型重建静态背景,并以点云的形式显示动态刚性物体。在TUM和Bonn数据集中测试表明,本文方法与当前最先进的SLAM工作ACEFusion相比相机精度提升约43%。消融实验结果表明,保留动态刚性物体处于静止状态下的特征点对相机位姿估计结果提升约37%。稠密建图实验结果表明,本文方法在动态场景中重建结果优于当前先进的工作,平均重建误差为0.042 m。代码开源在https://github.com/wawcg/dy_wcg。
动态场景 同步定位与地图构建 实例分割 光流 dynamic scenes SLAM instance segmentation optical flow
1 昆明理工大学机电工程学院,云南 昆明 650500
2 云南省先进装备智能制造技术重点实验室,云南 昆明 650500
针对传统视觉同步定位和映射(SLAM)系统在动态环境中鲁棒性和定位精度低等问题,基于ORB-SLAM2算法框架,提出一种在室内动态环境中运行稳健的视觉SLAM算法。首先,语义分割线程采用改进的轻量化语义分割网络YOLOv5获得动态对象的语义掩码,并通过语义掩码选择ORB特征点,同时,几何线程通过加权几何约束的方法检测动态对象的运动状态信息。然后,提出一种给语义静态特征点赋予权值,并对相机的位姿和特征点的权值进行局部光束平差法(BA)联合优化的算法,有效地减少动态特征点的影响。最后,在TUM数据集和真实的室内动态场景中进行实验,结果表明,与改进之前的ORB-SLAM2算法相比,所提算法有效地提高了系统在高动态数据集中的定位精度,并且绝对轨迹误差和相对轨迹误差的均方根误差(RMSE)分别提升了96.10%和92.06%以上。
视觉SLAM 动态环境 加权几何约束 语义掩码 BA联合优化 激光与光电子学进展
2024, 61(4): 0437003
大连交通大学 机械工程学院,辽宁 大连 116028
针对传统激光SLAM在长走廊、隧道等退化环境下系统精度低或算法失效,且存在常规环境下回环检测稳健性差等问题,提出一种面向未知环境的紧耦合激光SLAM方法。首先,采用紧耦合框架,融合LiDAR与IMU信息,修正IMU零偏,为LiDAR里程计提供高精度先验信息;其次,计算LiDAR里程计雅克比矩阵,实时检测环境几何信息维度,融合轮式里程计与IMU数据,补偿LiDAR里程计自由度;最后,构建变阈值回环搜索模型,采用不同配准方法分析对应阈值的关键帧信息,提高回环检测召回率。长走廊环境中,所提方法定位误差较A-LOAM、LIO-SAM分别降低了91.04%和97.37%;常规环境中,在满足回环检测准确率为100%的条件下,所提方法召回率较LIO-SAM提高了35%。实验结果表明,所提方法具有较高的鲁棒性与定位精度。
激光SLAM 长走廊 未知环境 紧耦合 回环检测 LiDAR SLAM long corridors degraded environment tightly coupled loop detection 红外与激光工程
2023, 52(9): 20220839
1 中国民航大学 1. 交通科学与工程学院
2 中国民航大学 2. 航空工程学院, 天津 300300
针对同时定位与建图(SLAM)中存在定位精度不足、匹配特征点误差累积和特征匹配时间较长, 提出了一种融合改进RANSAC光流法的优化算法。该方法基于传统RANSAC算法, 加入最小二乘法对模型进行迭代优化来估计最优模型, 对光流法的误匹配点进行剔除, 大量减少图像误匹配特征点; 把融合改进后的RANSAC光流法与特征点通过卡尔曼滤波进行融合, 最后使用改进后的算法在公开的EuRoC MAV数据集中进行SLAM定位精度实验。实验结果表明: 该改进算法能够有效减小光流法特征匹配的误差, 从而提高无人机视觉SLAM的定位精度。
无人机 同时定位与建图 光流法 UAV SLAM optical flow method RANSAC RANSAC
1 新疆大学, 乌鲁木齐 830000
2 北京化工大学, 北京 100000
3 北京煜邦电力技术股份有限公司, 北京 100000
针对传统视觉SLAM对环境语义信息理解不足的问题, 语义视觉SLAM借助语义路标提高机器人的定位精度。语义路标的准确关联是实现机器人深层定位和导航的关键, 错误的关联将导致机器人定位丢失。针对动态扰动和观测噪声扰动所产生的高关联模糊性问题, 提出利用非参数聚类和随机近似推断结合的方法提高语义路标关联的准确性, 通过正确的数据关联实现机器人的准确定位。仿真和KITTI数据集上的实验结果表明, 在噪声干扰下该算法能够提高语义路标数据关联的准确性和鲁棒性, 融合语义信息和几何信息优化机器人和语义路标的位姿, 提高机器人的定位精度。
语义视觉SLAM 语义路标 数据关联 非参数聚类 随机近似推断 semantic vision SLAM semantic landmark data association nonparametric clustering stochastic approximate inference
1 湖北工业大学,武汉 430000
2 湖北省农机装备智能化工程技术研究中心, 武汉 430000
同步定位与建图(SLAM)技术是自主移动机器人的主要技术支撑, 成为当今的研究热点。介绍了SLAM 技术的发展历程及主要传感器, 梳理了基于视觉、激光雷达以及多传感器融合的SLAM技术, 并对常见的SLAM算法进行归纳总结, 对比分析各实现方案的优缺点。最后探讨了SLAM的技术难题和发展趋势。
同步定位与建图 激光雷达 视觉相机 多传感器融合 自主移动机器人 SLAM lidar vision camera multi-sensor fusion autonomous mobile robot
1 安徽工程大学高端装备感知与智能控制教育部重点实验室,安徽 芜湖 241000
2 安徽工程大学安徽省电气传动与控制重点实室,安徽 芜湖 241000
回环检测是同时定位与制图(SLAM)中一个重要且具有挑战性的问题。目前多数研究集中在视觉位置识别上,即通过外观来识别是否位置重复。为此,提出一种基于全局描述符的环路激光SLAM检测算法。利用全局描述符来提高回环检测的效率,使用相似度评分来计算两个扫描上下文之间的距离,并利用两阶段搜索算法来有效地检测回环。在公开数据集KITTI上测试,对算法进行评价。该算法与现有的LeGO-LOAM算法相比,表现出了更好的效果。
激光SLAM 全局描述符 回环检测 laser SLAM lobal descriptor loop detection
针对同时定位与地图构建(SLAM)的闭环检测方法在多歧义复杂场景下易发生感知偏差的问题, 基于闭环概率模型提出了一种结合局部SURF特征和全局ORB特征的闭环检测方法。首先, 分别采用鲁棒SURF特征和全局ORB特征对图像进行局部和全局的场景描述; 其次, 构建多特征场景描述的离散贝叶斯闭环概率模型, 对多特征空间分别构建观测似然概率, 其中,局部特征空间基于词袋模型的方法计算观测似然概率, 全局特征空间基于KNN最近邻的方法计算观测似然概率; 最后, 考虑图像的时间一致性, 基于极线约束设计多步闭环候选帧提取方法, 进一步减少感知偏差问题。实验结果表明, 在多歧义场景下所提方法可以消除绝大部分的误正匹配情况, 对比FAB-MAP2.0和BoW方法具有更好的闭环检测效果, 可以达到更高的闭环准确率。
同时定位与地图构建 闭环检测 词袋模型 SLAM closed-loop detection bag-of-words model
针对单目视觉SLAM(Simultaneous Localization and Mapping,同时定位与建图)算法无法恢复地理尺度信息、位姿估计误差累积大等问题,提出了一种基于GNSS融合的单目视觉SLAM算法。该算法基于图优化理论,在视觉里程计中构建相似变换估计模型求解真实尺度,在后端优化中加入GNSS全局地理位置节点,设计优化求解策略,提高关键帧位姿以及三维地图点位置估计的准确性,最后在序列末尾对全局地图离线迭代优化,保证地图构建的全局一致性。实验表明,在室外环境下,运动轨迹在5 km以内时,所提出方法的尺度估计误差在0.1%以内,轨迹误差在2 m以内,满足实际应用需求。
同时定位与建图 多源融合 单目视觉 尺度恢复 SLAM multi-source fusion monocular vision scale recovery
光学 精密工程
2022, 30(11): 1282