排序方式: 共有1条查询结果,搜索用时 0 毫秒
1
1.
针对随机采样一致性(random sample consensus,RANSAC)算法在快速去除错误匹配时因随机性导致算法
效率较低的问题,提出一种采用顺序采样一致性(progressive sample consensus,PROSAC)算法来改进ORB-SLAM2
框架中的错误匹配删除方法。通过利用特征点的匹配质量对特征点进行预排序,减少图像匹配过程中的迭代次数;
提出基于最大化割归一化割算法(normalized cuts and image segmentation,Ncut)的全局BA 分段优化算法,以降低计
算复杂度。通过数据集验证,结果表明:优化后的即时定位与地图构建(simultaneous localization and mapping,SLAM)
系统在保持绝对轨迹和相对位姿误差同ORB-SLAM2 基本一致的情况下,相同图像的错误匹配去除的效率提升了
50%,证明了该算法的有效性。 相似文献
1