针对传统闭环检测算法在动态场景下不稳定、易失败的问题, 提出了一种在动态场景下能够准确检测到闭环的算法。首先, 改进基于场景流区分动、静特征点算法, 使得到的动静点划分更为准确;其次, 剔除动态特征点, 进行聚类, 将图像在视觉词典树各个节点的TF-IDF熵作为图像在该视觉单词的得分权重, 从而构造得分向量对场景进行描述;最后, 采用负指数幂函数作为计算两幅图像的相似性得分函数, 计算当前帧与候选关键帧的相似性得分, 经过最后的闭环确认环节, 得到最终的与当前帧发生闭环的关键帧。实际场景的实验表明, 所提算法在动态场景下能够有效检测到闭环。
闭环检测 动态场景 场景流 TF-IDF熵 相似性得分函数 loop closure detection dynamic scene scene flow TF-IDF entropy similarity score function
针对室内复杂环境下导航地图制备问题，提出一种采用图像传感器进行导航地图制备的方法。首先，基于VSLAM技术估计相机位姿，经后端优化后生成环境三维点云；其次，筛选出地面点云，基于随机采样一致性算法得到精确的地面平面方程；最后，投影机器人通行环境区域的点云至二维栅格地图，通过利用贝叶斯方法更新栅格占用状态后，实现室内导航地图的制备。实验结果表明，基于VSLAM制备的室内导航地图精度满足导航要求，且不同于传统激光地图构建方法，地图中包含环境的三维结构信息，在进行路径规划实验中，避免了规划的路径穿过低矮物体及悬空物体的错误。
自主导航 移动机器人 三维点云 栅格地图 随机采样一致性 贝叶斯方法 autonomous navigation mobile robot 3D point cloud grid map random sampling consensus Bayesian method
火箭军工程大学控制科学与工程系, 陕西 西安 710025
为了提升动态场景中视觉里程计的稳健性和精确度,提出一种基于运动物体检测的立体视觉里程计算法。首先,建立考虑相机位姿的场景流计算模型,用于表示物体的运动矢量。其次,提出构造虚拟地图点的方法,一方面结合场景流进行运动物体检测,另一方面使运动物体在图像中占比较大时仍有足够匹配点对用于位姿估计。最后,通过局部地图点及虚拟地图点与当前帧特征点的匹配结果,构建考虑虚拟点的非线性优化模型进行相机位姿估计,既保证静态地图点不与运动物体的特征点形成错误匹配,又避免因有效匹配点对过少而导致视觉里程计失效。数据集实验和实际场景在线实验结果表明,本文算法提升了视觉里程计在动态场景中的稳健性和精确度。
机器视觉 立体视觉里程计 动态场景 运动物体检测 场景流 虚拟地图点 光学学报
2017, 37(11): 1115001
针对ICP算法在帧间配准中对初始值依赖性大的问题,提出了一种新的由粗到精的帧间配准改进ICP算法。算法通过泰勒展开简化相机位姿模型,利用求和思想建立粗配准模型,提高粗配准效率,运用SVD分解进行求解获得相机位姿粗估计,利用ICP算法进行迭代求解以提高算法精度。在特征提取与匹配阶段采用了预设双阈值策略,既保证了粗配准的精度,又确保ICP算法有足够的对应点。与ICP算法及现有改进算法RANSAC-ICP进行比较实验表明,该算法有效解决了上述ICP算法存在的问题,能达到与RANSAC-ICP算法相当的精度,且配准速度显著提高。
帧间配准 特征提取与匹配 frame-to-frame registration feature extraction and matching ICP ICP SVD SVD
针对常规增量式Graph SLAM算法的后端优化无法高效排除错误闭环影响的问题，基于iSAM算法和SC算法，提出一种鲁棒闭环的增量式Graph SLAM算法R-iSAM。R-iSAM在增量式过程中对当前时刻引入的闭环约束的转换变量进行初步近似计算，得到合理的机器人节点位姿。在离线式过程中对当前时期的所有闭环约束转换变量进行精确计算，判断当前时期闭环的正确性，并作为以后优化节点的基础。对公开的数据集进行的算法实验表明，在添加不同类型、不同数量的错误闭环条件下，所提算法对不同数据集具有良好适应性，且收敛速度满足增量式SLAM实时性要求，证明了算法的有效性。
同步定位与地图构建 图优化 鲁棒闭环 增量式 simultaneous localization and map construction graph optimization robust close-loop incremental
