基于点线特征融合的低纹理单目视觉同时定位与地图构建算法

当图像因相机快速运动造成模糊或者处在低纹理场景时,仅使用点特征的同步定位与地图构建（SLAM）算法难以跟踪提取足够多的特征点,导致定位精度和匹配鲁棒性较差。而如果造成误匹配,甚至系统都无法工作。针对上述问题,提出了一种基于点线特征融合的低纹理单目SLAM算法。首先,加入了线特征来加强系统稳定性,并解决了点特征算法在低纹理场景中提取不足的问题;然后,对点、线特征提取数量的选择引入了加权的思想,根据场景的丰富程度,对点线特征的权重进行了合理分配。所提算法是在低纹理场景下运行的,因而设置以线特征为主、点特征为辅。在TUM室内数据集上的实验结果表明,与现有的点线特征算法相比,所提算法有效地提高了线特征的匹配精度,使得轨迹误差减小了大约9个百分点,也使得特征提取时间减少了30个百分点,使加入的线特征在低纹理场景中发挥出积极有效的作用,提高了数据整体的准确度和可信度。     

融合粗糙深度信息的低纹理物体偏振三维重建

对于表面光滑、低纹理的目标,传统基于多视几何重建的算法难以获得理想的结果,利用偏振信息来重建这类物体是便捷有效的方法之一.然而单纯利用偏振信息进行三维重建存在歧义性等问题,难以获得理想的结果.以粗糙深度图作为先验信息可解决歧义性问题.先对偏振相机与深度相机标定并配准图像,由粗糙深度图获得的法向量辅助纠正偏振方位角歧义,再利用纠正的法向量与粗糙深度图积分融合,从而获得较高精度的物体三维表面.     

基于弱纹理检测及视差图融合的立体匹配

为了在消除弱纹理区域匹配歧义性的同时保证纹理区域的匹配率,提出了一种基于弱纹理区域检测及视差图融合的立体匹配算法.该算法首先根据输入图像的颜色(灰度)变化情况检测出弱纹理区域,然后基于这一检测结果,对输入图像对应用改进的极线距离变换算法,以提高弱纹理区域像素的可区分性,接着,采用窗口匹配算法和置信度传播算法分别对原始输入图像和极线距离变换后的图像计算视差图谱,最后,以弱纹理检测的结果为基准,对这2张视差图谱进行融合,以实现在弱纹理区域和纹理区域的同步最优匹配.通过对弱纹理化后的Middlebury图像库中图像的实验表明,在几乎不增加计算复杂度的同时,该算法的匹配率比当前先进算法提高至少20％,同时,实验还表明了该算法对照度不一致输入图像对匹配的鲁棒性.