声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：21-1137/TP
国际刊号：1002-0446
发布日期:
作者：蔡显奇, 王晓松, 李玮
关键词：视觉SLAM, 弱纹理环境, RGB-D相机, 特征置信, 鲁棒核函数
针对室内机器人在弱纹理环境下视觉SLAM(同步定位与地图构建)不鲁棒、不精确的问题, 提出一种视觉惯性SLAM优化算法。首先, 利用基于注意力机制的深度学习模块直接对相邻两帧图像进行特征匹配, 结合传统特征检测方法, 解决无法提取足够特征点的问题; 其次, 建立相机深度置信模型, 在计算相机帧间位姿变换关系前, 引入空间点的深度置信概率来减小远距离特征的漂移误差; 最后, 将参与后端优化的所有匹配特征点的深度置信度作为动态鲁棒核函数的分段阈值, 优化传统光束平差法, 协调整体运动轨迹。实际场景实验表明, 该算法在弱纹理环境下有明显的鲁棒性, 相较于VINS-RGBD算法, 该算法的绝对轨迹误差降低了50.38%, 相对轨迹误差降低了85.75%。
来源：2024年第3期
《机器人》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。