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。