基于均匀ORB特征的回环检测算法

针对传统视觉即时定位与地图构建（SLAM）中ORB特征存在的聚集问题,基于网格划分和关键点分层确定思想,设计了均匀FAST角点提取方法,进而设计了基于均匀分布的ORB特征结合暴力匹配的回环检测方法。与基于词袋（BoW）模型的回环检测算法对比实验表明,本文算法能显著提高回环检测的准确率。基于机器人操作系统（ROS）平台,将均匀ORB特征回环检测模块与直接稀疏里程计（DSO）相结合,设计了一种松耦合式的半直接法SLAM系统。实验结果表明,本文系统具有较高的地图构建性能。     

误差融合技术的移动机器人SLAM算法研究

即时定位与地图构建是移动机器人自主导航的关键技术,利用单一激光雷达提取的原始特征点云求解帧间运动会产生位姿估计失准。将IMU预积分信息通过线性插值的方法对失真激光点云进行运动补偿,矫正移动机器人自身位姿;采用基于线面特征的点云提取与匹配,提高定位精度;增加回环检测模块,利用ICP算法对存在回环的两关键帧建立约束,以减少系统长期运行造成的累计误差;构建整体代价函数,对全局系统误差进行优化。回环检测插值算法降低了位姿估计失准对系统性能的影响,提高了移动机器人的定位精度,绝对位姿误差更小,保证了构建地图的全局一致性。     

面向深度相机位姿优化的帧间点云数据配准算法

TOF相机能够同时采集灰度图像和深度图像从而优化相机位姿的估计值. 应用图结构调整框架优化多帧数据采集时的相机位姿,采用帧间配准决定优化的精度和效率. 从2帧图像上提取并匹配尺度不变特征点对,二维特征点被扩展到三维空间后,利用与特征点的空间位置关系将2帧三维点云配准;逐步应用提出的算法配准参与位姿优化的多帧点云中的任意2帧点云;最后将有效配准的点云帧对作为输入数据,采用图结构算法优化位姿. 实验结果表明,提出的帧间配准算法使得位姿估计值精度显著提高,同时保证了估计效率.     

改进ORB的轮式机器人视觉导航算法

为实现轮式机器人的自主导航和自主控制,针对传统视觉导航技术中ORB算法的特征点分布均匀程度较低、算法耗时较长的缺点,提出一种改进ORB算法:构建尺度空间金字塔对每层图像进行网格划分,增加空间尺度信息;设置感兴趣区域,采用改进FAST角点提取方法提取特征点;引入非极大值抑制方法,抑制低阈值特征点的输出;基于区域图像特征点分布的方差数值评价待检测图像中特征点分布的均匀程度。实验结果表明:使用改进ORB算法提取到的特征点分布均匀程度较高,匹配效果较好,特征点重叠现象降低,算法耗时较短;当特征点期望数值为3 000时,图像中特征点分布的均匀程度提高71.13%,耗时降低比率为69.52%,说明该算法可以更好地应用于轮式机器人执行视觉导航算法。     

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。     

基于纹理增强的ORB特征点提取与匹配算法

针对传统的ORB算法在面对纹理变化较大或纹理不明显的场景时特征提取能力的不足,提出了一种基于纹理增强和颜色增强的ORB特征点提取与匹配算法。首先,通过设计纹理增强预处理方法,分析了图像纹理特征的统计信息,以改善图像的纹理信息表达;其次,在经过纹理和颜色增强处理的图像上应用ORB算法执行特征点提取,从而获得更为突出和多样的纹理特征点;最后,为进一步提高特征点匹配的准确性,引入了一种综合考虑纹理相似度和尺度一致性的匹配策略。实验结果显示,与传统的ORB算法相比,基于纹理增强的ORB算法在特征点提取和匹配的准确性和鲁棒性上均得到了显著的提升。     

基于注意力和长短时记忆网络的视觉里程计

近年来通过利用视觉信息估计相机的位姿,实现对无人车的定位成为研究热点,视觉里程计是其中的重要组成部分.传统的视觉里程计需要复杂的流程如特征提取、特征匹配、后端优化,难以求解出最优情况.因此,提出融合注意力和长短时记忆网络的视觉里程计,通过注意力机制增强的卷积网络从帧间变化中提取运动特征,然后使用长短时记忆网络进行时序建模,输入RGB图片序列,模型端到端地输出位姿.在公开的无人驾驶KITTI数据集上完成实验,并与其他算法进行对比.结果表明,该方法在位姿估计上的误差低于其他单目算法,定性分析显示该算法具有较好的泛化能力.     

移动机器人在未知环境下的同步定位与地图重建方法

近年来通过利用视觉信息估计相机的位姿,实现对无人车的定位成为研究热点,视觉里程计是其中的重要组成部分.传统的视觉里程计需要复杂的流程如特征提取、特征匹配、后端优化,难以求解出最优情况.因此,提出融合注意力和长短时记忆网络的视觉里程计,通过注意力机制增强的卷积网络从帧间变化中提取运动特征,然后使用长短时记忆网络进行时序建模,输入RGB图片序列,模型端到端地输出位姿.在公开的无人驾驶KITTI数据集上完成实验,并与其他算法进行对比.结果表明,该方法在位姿估计上的误差低于其他单目算法,定性分析显示该算法具有较好的泛化能力.

     

基于RGB-D相机的视觉里程计实现

针对移动机器人在未知环境中的自身定位问题,提出了一种基于RGB-D相机的移动机器人运动轨迹估计方法.首先,提取当前图像的ORB特征并与关键帧进行特征匹配;然后,采用结合特征匹配质量和深度信息的PROSAC算法对帧间运动进行迭代估计;最后,提取关键帧并利用g2o求解器进行局部优化,得到关键帧位姿的最优估计,进而得到机器人的运动轨迹.实验结果表明:与RANSAC+ICP算法相比,该方法能有效提高移动机器人的定位精度.     

基于稀疏直接法闭环检测定位的视觉里程计

视觉里程计在移动机器人的定位导航中发挥着关键性作用,但当前的算法在运行速度、轨迹精度和鲁棒性等方面依然存在改善空间.为提高相机轨迹精度,提出基于稀疏直接法的闭环检测算法.该算法直接提取两种特征组成混合型特征点提升系统鲁棒性,混合型特征点用于跟踪和匹配关键帧,使视觉里程计能够检测闭环,再用位姿图优化提升定位精度.实验结果...     

基于平面运动约束的移动机器人位姿估计

针对大部分基于单目相机的位姿估计方法只适用于平面场景的问题,提出了一种同时适用于 平面场景和立体场景的单目位姿估计方法．首先,将所有图像与参考帧进行特征匹配;然后,提取每 帧图像中都出现的特征点的像素坐标,并结合地平面约束和相机内参矩阵构建出观测矩阵;其次, 对观测矩阵进行奇异值分解得到各帧图像的位姿估计,并利用约束矩阵解决奇异值分解不唯一问 题;最后,利用光束平差法优化图像位姿,得到机器人位姿的最优估计．实验结果表明：该方法能准 确对移动机器人进行位姿估计．     

正交双目视觉长轴类零件装配端位姿检测方法

为解决非正交双目立体视觉在长轴类零件三维位姿检测中需要多个特征点进行匹配,计算量大以及视野中难以获取整个零件的图像等问题,提出一种基于正交双目立体视觉检测长轴类零件装配端三维位姿方法.采用光轴正交的两个相机同时采集长轴类零件装配端的图像,分别采用亚像素法对所采得的图像进行处理,可以得到被检测长轴类零件装配端在两个相机图像坐标系内的位置和姿态,再依据正交双目立体视觉模型对两组位置信息进行融合得到其三维位姿.实验结果表明:利用两个CMOS相机构成的正交双目立体视觉能够快速、精确检测长轴类零件装配端的三维位姿.该方法只需要一个特征点进行匹配,计算量小、简单易行,适用于通过机器视觉引导工业机器人进行精密长轴类零件的快速装配.     

弱光环境下视觉SLAM前端优化方法

为了解决机器人在弱光环境下可能出现的自身定位不准确及建图不完整的情况,采用了一种基于弱光环境下图像增强的方法对相机采集到的图像进行预处理,提高图像的亮度和清晰度,对增强后的图像用ORB算法提取和匹配特征点,使用Hamming距离筛选法进行特征点的误匹配处理.实验结果表明:本优化算法有效地增加了弱光环境下的特征点提取数量...     

面向动态物体场景的视觉SLAM综述

为了解决基于静态环境假设的同步定位与地图构建（simultaneous localization and mapping,SLAM）在处理动态物体时系统定位精度降低、鲁棒性变差的问题,提出一种面向室内动态环境的语义视觉SLAM系统。该系统以ORB_SLAM2为基础,添加了动态目标检测线程。对输入图像提取ORB特征的同时,通过使用YOLOv5s网络进行动态目标检测,并结合光流法和对极几何约束方法,共同筛选动态特征点,最后,使用静态特征点进行位姿估计。通过使用慕尼黑工业大学（Technical University of Munich,TUM）数据集将该系统和ORB_SLAM2进行比较,结果表明,该系统显著降低了轨迹误差。与DS-SLAM、DynaSLAM等动态环境下的系统相比,该系统可有效平衡语义视觉SLAM系统位姿估计的准确性、鲁棒性和快速性。

     

基于稀疏直接法的SLAM算法

SLAM技术已经应用到了智能机器人、无人机、AR/VR、无人驾驶等领域中,但当前的SLAM算法在运行速度、相机轨迹精度和鲁棒性等方面依然存在改善空间。为了提高SLAM中相机轨迹精度,提出了基于稀疏直接法的SLAM算法。该算法使用改进的Shi-Tomasi特征点检测算法进行特征点的提取,然后依据提取的特征点采用直接法进行相机位姿估计,同时利用构建的地图进行位姿优化,有效地提高了相机位姿估计精度。针对TUM标准数据集,通过对比分析可知,基于稀疏直接法的SLAM算法可以有效地减少误差,相机轨迹精度优于ORB-SLAM2算法。     

点云和视觉特征融合的增强现实装配系统三维跟踪注册方法

为了提高三维跟踪注册方法面向机械产品增强现实装配引导的适用性和鲁棒性,提出了一种点云和视觉特征融合的三维跟踪注册方法。首先利用参考模型点云对三维跟踪注册绝对坐标系进行定义,从而确定虚拟装配引导信息的定位基准。然后在迭代最近点法点云数据配准基础上,结合深度传感器彩色图像信息,通过视觉特征匹配,提高深度传感器快速移动时的跟踪注册过程鲁棒性。为了在此过程获取足够数量的视觉特征匹配点对,提出了一种基于方向向量一致性的视觉特征匹配策略。最后在跟踪注册过程加入基于关键帧的回环检测和全局位姿优化。实验结果表明:新方法精确性、实时性好,能达到每秒30帧。而且在相机快速移动时仍能表现出较好的鲁棒性,其综合性能优于基于点云的Kinect Fusion方法。     

基于深度神经网络的井下无人机视觉位姿估计

无人机将在未来少人或无人采矿中发挥重要作用,而位姿估计则是实现井下无人机自主巡检的关键.针对井下巷道照度分布不均匀和动态复杂环境的特点,提出采用慕尼黑工业大学深度图像(TUM RGB-D)数据集对深度神经网络模型进行预训练的方法,提取巷道特征路标点.为实现具有真实尺度信息的位姿估计,首先利用机载相机三维深度数据流恢复网络特征点深度,然后建立帧间匹配巷道路标点最小二乘模型,最后采用奇异值分解的方法获得无人机位姿.开发了手持移动传感器数据采集系统,完成传感器相对位置标定,采集真实巷道环境数据并进行实验.实验结果表明,相比ORB-SLAM2位姿估计结果,提出的无人机位姿估计方法针对巷道复杂环境数据其定位精度可提高71%以上,定位误差约为13 cm.     

基于GC-RANSAC算法的单目视觉同时定位与地图构建

移动机器人单目视觉同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)技术在应用过程中会获取大量数据,针对其带来的异常值干扰问题,提出一种基于新提出的随机抽样一致性(Random Sample Consensus,RANSAC)算法改进的半直接单目视觉里程计(Semi-direct Monocular Visual Odometry,SVO)算法。算法分为两个线程:建图线程提取点特征与边缘特征,并采用了图割RANSAC(Graph-Cut RANSAC,GC-RANSAC)算法进行异常值剔除,通过计算特征点的深度值,来构建的环境特征地图;位姿估计线程通过最小化局部地图点和边缘线的重投影误差以及帧与帧、特征与特征之间的约束关系优化,得到位姿信息,实现定位功能。通过Euroc公开数据集上得到的仿真实验结果可见,该算法剔除异常值效果明显,平均定位精度相比SVO算法提高了15.6%。     

B-Spline-ORB特征点提取算法

针对传统ORB算法尺度不变性较差的问题,提出了基于图像金子塔的ORB算法。首先研究了高斯图像金字塔和B-spline图像金字塔,通过实验对两种图像金字塔进行了探讨。实验表明,3阶B-spline图像金字塔的图像所包含的图像信息要高于相同层上高斯图像金子塔的图像所包含的信息。其次,在图像尺度发生变化的前提下,通过实验对传统ORB算法、基于高斯图像金字塔的ORB算法和基于B-spline图像金字塔的ORB算法进行了探讨。实验表明,基于3阶B-spline图像金字塔的ORB算法相比较传统ORB算法所提取的特征点配准率提高了40%。同时,相较基于高斯图像金字塔的ORB算法,本文提出的改进算法在匹配准确率和运行速度上也有所提升。