本文關(guān)鍵詞：基于Kinect和視覺(jué)詞典的三維SLAM

  更多相關(guān)文章： 三維SLAM 閉環(huán)檢測(cè) 視覺(jué)詞典 圖形處理器 通用迭代最近點(diǎn)算法 增量平滑和建圖

【摘要】：針對(duì)傳統(tǒng)濾波器方法解決機(jī)器人同時(shí)定位與地圖創(chuàng)建(SLAM)時(shí)的誤差積累問(wèn)題,提出了一種基于視覺(jué)詞典(BOW)的三維SLAM算法,以有效解決機(jī)器人長(zhǎng)時(shí)間運(yùn)動(dòng)下誤差積累的問(wèn)題。相比圖優(yōu)化SLAM中常用的隨機(jī)檢測(cè)和Kd樹(shù)(Kd-Tree)算法,采用基于樹(shù)結(jié)構(gòu)的視覺(jué)詞典閉環(huán)檢測(cè)算法來(lái)提高相似場(chǎng)景的檢索效率。首先采用基于GPU的特征提取算法提取圖像特征,并利用交叉匹配和k最近鄰(k NN)算法取得圖像中魯棒性較強(qiáng)的內(nèi)點(diǎn);然后通過(guò)基于隨機(jī)抽樣一致性奇異值分解(RANSAC SVD)算法計(jì)算出相鄰幀的初始位姿變換,并利用通用迭代最近點(diǎn)(GICP)算法進(jìn)行優(yōu)化,得到高精度的位姿變換;最后利用增量平滑和建圖(i SAM)圖優(yōu)化方法得出最終位姿,拼接出高精度的點(diǎn)云地圖和運(yùn)動(dòng)軌跡。標(biāo)準(zhǔn)數(shù)據(jù)集的測(cè)試表明,所提算法在復(fù)雜情況下具有良好的魯棒性和精度。
【作者單位】： 浙江大學(xué)航空航天學(xué)院;
【關(guān)鍵詞】： 三維SLAM 閉環(huán)檢測(cè) 視覺(jué)詞典 圖形處理器 通用迭代最近點(diǎn)算法 增量平滑和建圖
【分類(lèi)號(hào)】：TP242;TP391.41
【正文快照】： 0引言當(dāng)機(jī)器人處于未知環(huán)境中時(shí),利用自身傳感器獲取機(jī)器人所在環(huán)境的三維模型和機(jī)器人運(yùn)動(dòng)軌跡是一項(xiàng)基本需求。傳統(tǒng)同時(shí)定位與地圖創(chuàng)建(Simultaneous Localization andMapping,SLAM)一般采用三維激光雷達(dá)或者聲吶傳感器來(lái)獲取環(huán)境的深度信息,但此類(lèi)傳感器動(dòng)輒上萬(wàn)的價(jià)格嚴(yán)重，

本文編號(hào)：754003