融合梯度密度的点线视觉SLAM算法改进

针对视觉同步定位与地图构建(Simultaneous Localization and Mapping, SLAM)方法在相机快速运动中容易导致图像模糊,以及在稠密场景中线特征提取易造成信息冗余等问题,提出一种融合梯度密度的点线视觉SLAM算法改进。该算法首先利用前后图像帧之间特征点数量信息对模糊图像进行筛选,并使用高斯模糊进行优化处理,得到匹配效果更佳的图像帧。然后利用点特征信息判断是否引入线特征,并引入图像像素梯度密度对LSD(Line Segment Detection)线特征进行多维优化,提取出稳定线特征以提高后续匹配质量。最后结合点线特征误差构建误差函数,最小化投影误差提高位姿估计精度。算法在TUM数据集下进行测试,实验结果表明本算法可以有效提升特征提取的稳健性,进而提高相机位姿估计与建图的精度。     

基于运动预测的改进ORB-SLAM算法

针对不同运动场景下以固定的点特征提取与匹配策略的ORB-SLAM算法存在系统跟踪定位误差较大的问题,考虑相机自身运动对视觉SLAM系统的影响,提出基于运动预测的改进ORB-SLAM算法.该方法利用上一帧的点特征利用率和匀速运动模型,预测出相邻2帧之间的共视范围,实时动态调整不同运动状态下的点特征提取阈值,在保证系统稳定性的情况下,提高系统的准确性.提出基于运动预测的点特征匹配优化策略,基于匀速运动模型快速确定出共视范围内的有效待匹配点,结合图像金字塔缩小匹配搜索范围,减少大量的无效匹配过程.在TUM数据集上进行对比实验,结果表明,提出的算法不仅实时性好,而且提高了系统的精度.     

有效点较少的动态场景下单目视觉SLAM算法

为了解决有效点较少的动态复杂场景下视觉SLAM准确定位问题,提出了一种基于自适应RANSAC动态特征点剔除的单目视觉SLAM算法.通过ARANSAC算法估计图像间的透视变换矩阵,并扭曲上一帧获得一个估计图像,使上一帧中的点转换到当前帧的坐标系下.通过计算特征点在估计图像和当前帧的光流值,区分并剔除ORB-SLAM2中的动态特征点,从而消除动态物体对SLAM定位性能的影响.利用TUM数据集的动态序列对本文算法进行仿真,并与ORB-SLAM2算法进行对比.结果表明,视觉SLAM算法绝对轨迹误差的标准偏差降低84.00%～96.11%,平移和旋转漂移的标准偏差最佳效果分别降低94.00%和96.44%,明显减少了视觉SLAM算法位姿估计的误差.本文算法能够在有效点较少的动态场景下,消除动态物体对视觉SLAM定位性能的影响,提高定位精度.     

基于径向约束的CCD相机标定参数的整体优化

提出了基于径向约束的CCD相机标定的模型参数非线性整体优化的方法.利用Harris算法检测标定板的各角点图像坐标,保证了标定板角点的稳定性和可靠性;进行RAC(radial alignment constraint)两步法标定,并用Levenberg-Marquardt算法对通过径向约束标定得到的所有相机模型参数进行非线性整体优化,提高了相机参数的标定精度.实验结果表明.该方法标定精度高,能明显减小各种误差对CCD相机标定的影响,提高了机器视觉三维测量的精度.     

基于前后端图优化的RGB-D三维SLAM

针对传统滤波方法在解决移动机器人同时定位与地图构建(SLAM)中存在的累积误差问题,将图优化方法应用于前端和后端优化中,以提高移动机器人位姿估计和建图的准确性。运用ORB算法进行图像的特征提取与匹配,将图优化的方法应用到PnP问题的求解中,实现了机器人位姿的准确估计。基于词典(Bag of words)的闭环检测算法来进行闭环检测,得到存在的大回环,同时利用相邻几帧的匹配关系实时检测邻近几帧之间可能存在的局部回环。用图优化的方法对这些回环进行优化,得到准确的运动轨迹和点云地图。实验结果表明:基于前后端图优化的RGB-D三维SLAM算法,在室内环境下具有良好的精度和实时性。     

变分贝叶斯自适应容积卡尔曼的SLAM算法

在观测噪声参数未知或变化时,传统的同步定位与建图(SLAM)算法性能会下降,为了让SLAM算法性能在上述条件下不受影响同时具有较高的精度,基于此提出了一种基于变分贝叶斯噪声自适应容积卡尔曼滤波的SLAM算法(VB-ACKF-SLAM).该算法采用逆Wishart分布对未知观测噪声参数建模,采用容积积分方法近似非线性变换的均值和方差,并利用变分贝叶斯滤波实现对移动机器人状态和未知观测噪声参数的联合后验概率的估计.该算法有效地解决了在观测噪声参数未知或变化时,传统滤波算法出现的滤波发散问题.仿真实验结果表明,在观测噪声参数未知或变化时,与基于容积卡尔曼滤波的SLAM算法(CFK-SLAM)、无迹卡尔曼滤波的SLAM算法(UKF-SLAM)、扩展卡尔曼滤波的SLAM算法(EKF-SLAM)相比,VB-ACKF-SLAM算法的定位准确率得到了较大的提高,证明了该算法的有效性.     

面向动态场景复合深度学习与并行计算的DG-SLAM算法

针对现有的同时定位与建图(SLAM)算法实时性不高和在动态环境中定位精度会大幅降低的缺点,提出了一种复合深度学习与并行计算的DG-SLAM算法。采用基于深度学习的目标检测算法检测出行驶环境中的动态物体,在ORB-SLAM2图像帧间匹配前剔除动态物体特征点,降低动态物体对SLAM定位精度的影响;在ORB-SLAM2跟踪局部地图中采用三维空间下内部点的判别方法区分内点和外点,建立GPU并行计算模型以高效搜索局部地图点;利用Saturated核函数作用于重投影误差项的二范数平方和,确保局部地图优化位姿时重投影误差的并行计算。在KITII数据集上进行了算法验证,结果表明,DG-SLAM具有较高跟踪精度,且平均计算效率相同情况下对比ORB-SLAM2高3.4倍以上,超过85帧/s,可实现自动驾驶车辆在动态环境下SLAM系统的稳定运行。     

面向实际场景SLAM应用的光照适应性研究

为探究环境感知设备在SLAM算法应用过程中的光照适应性问题,在不同光照强度下分别进行激光雷达和深度相机SLAM算法的验证性评估实验.基于四轮差速机器人,搭载16线激光雷达和深度相机,结合LOAM(Lidar Odometry And Mapping)和RTAB-MAP(Real-Time Appearance-Based Mapping)算法,分别在明暗环境中分析验证设备光照适应性.实验结果表明:在明亮环境下,基于视觉SLAM和激光SLAM系统偏差的中误差分别为0.203和0.644 m;在黑暗环境中两者偏差的中误差分别为0.282和0.683 m;深度相机在明、暗环境中的定位建图效果均优于激光雷达,深度相机的光照适应性更强.     

基于视频图像的虚拟环境建模技术

针对基于平面投影变换的图像拼接方法存在的优化参数较多、易导致陷入局部极小和全景图像的生成速度缓慢的问题,提出一种优化参数较少的旋转运动模型,采用层次运动模型和傅里叶方法对帧间隔较大的图像进行对齐,使图像对齐工作量大大减少．该算法计算简单、快速,适用于手持相机拍摄的图像．     

一种改进的灰度码位平面运动估计算法

提出用于电子稳像的一种改进的灰度码位平面运动估计算法.该算法首先提取视频中当前帧和参考帧的相邻2层位平面,并进行比特变换,然后对其进行子图像运动估计,从而得到当前帧相对于参考帧的运动矢量,进而进行运动补偿,实现视频稳定.实验结果表明,该算法能在减小计算复杂度的同时提高稳像精度,实际应用效果较好.     

面向工业检测的图像快速去直线运动模糊方法

在基于机器视觉的工业检测中,由于受到传送带速度变化或曝光不足的影响,得到的图像有时会产生运动模糊,影响检测效果.为去除工业检测中的图像运动模糊,提出了基于R-L引导滤波的快速去直线运动模糊方法.首先对图像的模糊参数进行评估,使用图像的频谱图积分评估图像的模糊方向,使用微分自相关方法得到模糊图像尺寸;然后通过提出的R-L引导滤波方法快速去除运动模糊并抑制振铃效应,得到清晰图像.通过对工件图像去运动模糊的仿真,证明了模糊核估计的准确性;与TPKE和HQ比较,提出的去模糊方法在对噪声的鲁棒性和抑制振铃的效果更好.通过对不同速度、不同工件下实拍图像的去运动模糊实验,以及客观评价指标、去模糊前后尺寸测量的差异和运行速度证明了该方法在工业检测中的优势.实验结果表明:提出方法的R_(PSNR)和R_(SIMM)优于对比方法,在抑制振铃的同时保持了边缘的清晰;同时,提出方法对尺寸的测量影响也更小,在小尺寸的工件上具有优势,最大误差为0.31像素.     

一种单目视觉ORB-SLAM/INS组合导航方法

针对基于静态场景假设的传统的同时定位与地图构建（simultaneous localization and mapping,SLAM）在动态场景中鲁棒性差、位姿估计准确率低的问题,提出了一种基于深度学习的语义视觉SLAM方法.该方法将语义分割技术与运动一致性检测算法相结合,首先用Mask R-CNN网络对图像进行语义分割,建立动态对象的先验语义信息,然后通过运动一致性检测算法进一步剔除属于动态物体的特征点,最后用静态特征点进行特征匹配和位姿估计.基于慕尼黑工业大学（Technical University of Munich,TUM）公开数据集对系统进行实验,结果表明,该系统在动态环境中较传统的ORB-SLAM2系统和DS-SLAM系统明显降低了绝对轨迹误差和相对位姿误差,提高了SLAM系统位姿估计的准确性和鲁棒性.

     

基于平面颜色分布的增强现实自然特征注册算法

针对增强现实中自然特征注册算法其自然特征的复杂和无规律而难以兼顾算法速度和精度的问题,提出一种基于平面颜色分布的自然特征注册算法.算法提取彩色连通域作为局部不变特征,计算简单的色调、几何信息作为特征描述,结合颜色分布在视角变换下的几何限制进行全局的匹配优化.该算法无须追踪连续帧间的运动特性,可以在独立帧上完成.算法采用Mikolajczyk标准库验证其注册效果,在800×600的图像尺寸下实现15帧/s的实时注册.与加速鲁棒特征（SURF）算法的对比表明：本算法能满足更苛刻的注册条件,并能保持较好的注册精度.动态视频的注册结果也表明算法面对动态模糊也十分鲁棒.     

基于点线特征的快速视觉SLAM方法

为了提高RGB-D相机同时定位与地图构建（SLAM）系统在弱纹理场景下的定位精度和鲁棒性,提出快速的基于点线特征的SLAM方法. 在非关键帧的追踪过程中,基于描述子进行点特征匹配,基于几何约束进行线特征匹配;当插入新的关键帧时,计算线特征描述子以完成关键帧间的线特征匹配,并利用线特征三角化算法生成地图线. 通过降低线特征匹配过程运算量来提高SLAM系统的实时性. 此外,利用线特征的深度测量信息构造虚拟右目线段,并提出新的线特征重投影误差计算方法. 在公开数据集上的实验结果表明,与ORB-SLAM2等主流方法相比,所提算法提高了RGB-D SLAM系统在弱纹理场景下的定位精度;与传统点线特征结合的SLAM方法相比,所提算法的时间效率提高了约20%.     

基于重投影深度差累积图与静态概率的动态RGB-D SLAM算法

为了提高同时定位与建图（SLAM）系统在动态场景下的定位精度和鲁棒性,提出新的RGB-D SLAM算法. 建立基于重投影深度差值的累积模型,分割图像的动静态区域;为了避免动态区域过分割,先剔除与匹配地图点欧氏距离过大的动态区域特征点,再根据t分布估计其余特征点的静态概率;将静态区域特征点和动态区域的疑似静态点以不同权重加入位姿优化,得到提纯后的位姿. 在公开数据集上的实验结果表明,所提算法在动态场景下较改进前的RGB-D ORB-SLAM2算法的定位精度提升96.1%,较其他动态SLAM算法提升31.2%,有效提高了视觉SLAM系统在动态环境下的定位精度和鲁棒性.     

对光照变化鲁棒的多特征动态提取跟踪算法

针对视觉跟踪算法光照自适应能力差的问题,提出了一种对光照变化鲁棒的多特征动态提取跟踪算法。该算法采用高效克服光照影响的特征提取方法,颜色子模型采用模糊直方图方法获取,在同态滤波基础上建立边缘子模型,运动子模型采用改进的三帧差分法提取。该算法还定义了一个新的特征融合模型,把多种互补的观测子模型动态融合,增强了观测模型的准确性,合理量化特征的可靠性使跟踪更稳定。同时采用改进的粒子重采样方法提高了跟踪准确度。实验结果表明,该算法能有效地避免光照变化对跟踪的影响,具有较好的鲁棒性。     

结合道路结构化特征的语义SLAM算法

视觉SLAM(simultaneous localization and mapping)是智能车辆领域的研究热点,在包含运动目标干扰或近景特征不显著的场景中,容易产生帧间位姿估计结果精度不足或失效问题.为此,本文提出一种结合场景语义信息和路面结构化特征的SLAM算法.首先,针对上述特殊场景中运动目标干扰的情况,设计带...     

大规模环境下基于图优化SLAM的图构建方法

分析总结了基于图优化同步定位和地图构建(SLAM)前端图构建过程的各种方法.对现有SLAM研究方法进行分类,指出基于Kalman滤波器、粒子滤波器、图优化方法的优缺点;重点介绍SLAM问题的3种图建模方法,即动态贝叶斯网络的图建模方法、基于因子图的建模方法、基于Markov随机场的建模方法;对图优化SLAM方法前端图构建的核心环节——帧间数据关联和环形闭合检测方法进行了分析;讨论了特征提取、特征匹配、运动估计、环形闭合检测等方面的最新研究成果.     

高适应性激光雷达SLAM

时定位与地图构建(SLAM),或同步建图与定位,目前主要应用于自动驾驶及机器人自主导航领域.由于激光雷达SLAM系统具有较高的测量准确性、对光照变化不敏感的特点,其在工业界获得了广泛的应用.但是基于激光雷达的SLAM算法有几个难以处理的问题:1)在结构化信息较少或在变化场景下的定位的不准确性;2)对于运动畸变的矫正能力...