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：艾青林, 刘刚江, 徐巧宁
关键词：动态场景, 视觉SLAM, RGB-D相机, 机器人定位, 几何约束, 运动约束
室内移动机器人使用传统视觉SLAM算法在动态场景下进行位姿估计时精度低、鲁棒性差，其主要原因是错误地将运动的特征点加入了相机位姿计算．为了解决这一问题，本文将特征点分为静态特征点、状态未知点、可疑静态特征点、动态特征点和错误匹配点．其中，静态特征点使用严格的几何约束进行筛选，并将状态未知点使用多帧的观测信息区分为可疑静态特征点、动态特征点以及错误匹配点，并进行卡尔曼滤波．最后，将静态特征点、可疑静态特征点和动态特征点一起加入位姿优化．利用TUM数据集，在室内存在运动物体的场景下进行实验．结果表明，所提出的算法在动态场景下的综合性能（包括精度、鲁棒性、运行速度）要优于其他动态场景下的SLAM算法．
来源：2021年第2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。