简介:针对传统尺度不变特征变换(ScaleInvariantFeatureTransformation,SIFT)和加速鲁棒特征(Speed-UpRobustFeature,SURF)算法在视觉同步定位与建图(SimultaneousLocalizationAndMapping,SLAM)系统中耗时严重的问题,基于ORB(ORientedBRIEF(BinaryRobustIndependentElementaryFeatures))算法提出了一种改进的图像匹配算法。针对FAST(FeaturesfromAcceleratedSegmentTest)特征检测算子易受图像模糊和距离变化影响的缺点,建立了多尺度空间金字塔;针对BRIEF特征描述算子效率不高的问题,采用精简后的快速视网膜特征描述算子构建了特征向量;通过最邻近的交叉匹配对特征向量进行了提纯,采用顺序采样一致性算法剔除了错误匹配对。最后,通过与SIFT、SURF和ORB算法进行对比验证了改进算法的有效性。
简介:摘要:无人机在城市、丛林等复杂环境下自主执行特定任务时,复杂的飞行任务场景和飞行环境对无人机的自主导航提出了新挑战。在GNSS拒止环境,即缺失GPS信号且没有先验信息的环境下,解决无人机自主导航的关键是同时定位与地图构建(SLAM)技术。为此,本文开展了一种基于惯性视觉紧耦合的SLAM技术研究,能够为无人机提供精确的自身状态信息和环境重建信息,为满足无人机在复杂环境下的自主可靠飞行与环境感知提供可行的方案和参考。
简介:摘要SLAM技术相关问题是考虑自主机器人在未知环境,没有人协助部署和操作时的导航需要。最基本的一种导航技术是由人勘查环境、机器人平台制作地图。其他更复杂的方案,比如在RFID的协调下,多人和多机器人的轨迹制图,还有方案则使用SLAM帮助机器人认识环境,提高设备的可用性。
简介:摘要:
简介:
简介:Wepresentanalgorithmwhichcanrealize3Dstereovisionsimultaneouslocalizationandmapping(SLAM)formobilerobotinunknownoutdoorenvironments,whichmeansthe6-DOFmotionandasparsebutpersistentmapofnaturallandmarksbeconstructedonlineonlywithastereocamera.Inmobileroboticsresearch,weextendFastSLAM2.0likestereovisionSLAMwith'purevision'domaintooutdoorenvironments.UnlikepopularstochasticmotionmodelusedinconventionalmonocularvisionSLAM,weutilizetheideasofstructurefrommotion(SFM)forinitialmotionestimation,whichismoresuitablefortherobotmovinginlarge-scaleoutdoor,andtexturedenvironments.SIFTfeaturesareusedasnaturallandmarks,andits3Dpositionsareconstructeddirectlythroughtriangulation.Consideringthecomputationalcomplexityandmemoryconsumption,Bkd-treeandBest-Bin-First(BBF)searchstrategyareutilizedforSIFTfeaturedescriptormatching.Resultsshowhighaccuracyofouralgorithm,eveninthecircumstanceoflargetranslationandlargerotationmovements.