基于强度扫描上下文回环检测的激光雷达SLAM算法

基于激光雷达的同步定位与建图（SLAM）技术可以在未知环境中实现机器人的实时定位并构建环境地图。LOAM、Le GO-LOAM等经典激光SLAM算法仅依赖点云的几何信息进行位姿估计,忽略了强度信息具有有效位置识别的特性;同时采用迭代计算的方式进行点云畸变补偿,虽然精度有保证但带来了高消耗的计算。基于此,提出了一种基于强度扫描上下文回环检测的激光SLAM算法,同时利用点云的几何和强度信息,采用强度扫描上下文（ISC）作为全局描述符进行回环检测以减少漂移误差,此外,采用非迭代两步法实现点云畸变补偿,以降低计算成本。基于室外公开数据集和室内采集数据的实验表明,所提出的激光雷达SLAM算法可有效抑制里程计位姿漂移,相比仅利用点云几何信息位姿精度平均提高约50%（均方根值）,并在增加回环检测模块的情况下保证算法的实时性。     

室内环境下基于图优化的视觉惯性SLAM方法

基于图优化的即时定位与同步构图(SLAM)方法是在视觉里程计运动估计的基础上通过增加一个回环检测,从而对非线性多约束进行优化来提高定位精度。在视觉运动估计中,针对视觉特征点匹配错误率高的问题,提出了一种ORB特征点聚类抽样匹配跟踪的方法。在位姿图优化上,提出了一种改进型的回环检测方法,减少了两种错误匹配的可能性。最后将视觉SLAM与惯性导航进行组合,提高了系统的稳定性和定位精度。使用公开的室内SLAM测试数据集进行仿真,结果表明,该方法的定位均方根误差在厘米级,生成的点云地图清晰可见。     

基于点线视觉/惯性SLAM和目标检测的测距方法

针对无人平台在未知环境中自身定位和对远距离目标测距精度不高的问题,利用单目相机和惯性器件组成视觉/惯性导航定位系统,结合目标检测提出“动态基线+三角测距”方法实现自身定位和对目标测距。首先,建立基于点线融合的视觉/惯性系统模型,提高系统自身定位精度,给出运动前后相对位姿变化;其次,利用目标检测算法对目标进行检测和识别,得到运动前后物体对于图像平面的视差;最后,通过三角测距实现对目标的高精度测距。公共数据集实验测试结果表明,引入线特征的视觉/惯性系统的平均定位均方根误差（RMSE）为0.15 m。无人平台搭载系统对目标进行测距实验表明,系统在100 m以内对目标测距的误差小于测距距离的2%。     

联合Huber核函数与可切换约束算法改进的视觉惯性SLAM方法

针对目前VINS-Fusion双目视觉及惯性同步定位与建图（SLAM）在后端优化时存在误匹配而导致系统定位精度低、鲁棒性差的问题,提出了一种联合Huber核函数与可切换约束算法改进的双目视觉及惯性SLAM方法。在VINS-Fusion双目视觉与惯性SLAM框架的基础上,利用Huber核函数的权值重新构建并求解状态优化中IMU残差的代价函数,降低优化中过大的误差项;同时使用可切换约束算法控制环路闭合因子实现动态协方差矩阵的缩放,剔除闭环检测的异常值实现准确的后端收敛。利用不同场景的公开数据集EuRoc中进行了对比验证实验,结果表明联合改进方法的和方差降低了2.416 m,系统精度和鲁棒性都有所提高;同时在实际场景中的实验也验证了改进方法的可行性。     

基于双重初始化和分级优化的改进视觉惯性SLAM方法

针对传统视觉惯性SLAM初始化阶段收敛速度慢、准确性低以及抗干扰能力较弱,实时优化过程局部轨迹累计误差高、后端优化精度低等问题,提出一种双重初始化和关键帧分级优化的改进视觉惯性SLAM方法.在视觉惯性导航系统(VINS)初始化基础上构建观测样本情形评估函数,评估状态误差信息矩阵,判断初始化算法终止条件,缩短初始化时间,...     

室内动态场景下基于深度相机的VSLAM方法

针对室内动态场景下的视觉同步定位与地图构建（VSLAM）问题,提出了一种基于YOLACT实例分割融合光流约束的视觉同步定位与地图构建方法,以降低运动物体对VSLAM系统性能影响。该系统通过自适应阈值的方法提取到均匀分布的ORB特征点,然后利用YOLACT实例分割网络获取动态对象的掩膜,同时使用改进的光流约束对动态点进行检测。将动态点与动态对象掩膜进行匹配之后可以删除动态物体的特征点,之后使用剩余的静态特征点完成相机的位姿估计。最后使用静态区域的图像信息生成点云图,并通过滤波器对点云图进一步优化,同时引用八叉树存储点云,建立八叉树地图。在TUM数据集室内动态场景和真实室内动态场景下进行测试,相较于ORB-SLAM3算法,所提VSLAM算法在低动态场景中的定位精度有10%以上的提升,在高动态场景中对比DS-SLAM算法,也有5%左右的定位精度提升,验证了所提方法在室内动态场景下的可行性和有效性。     

基于Retinex理论的稀疏直接法VSLAM三维重建

基于视觉的同时定位与建图(VSLAM)已广泛应用于室内机器人导航任务中.面向自主导航及地图复用性的需求,实时三维重建需克服环境光照不均、角点提取数量及质量不高、位姿漂移等问题.为此,提出构建一类基于稀疏直接法单尺度Retinex的SLAM(RDSOL)系统.RDSOL继承稀疏直接法里程计(DSO)主体框架,算法上打破后...     

用逐点插入法生成Delaunay四面体自适应网格

介绍一种基于Delaunay算法的四面体自适应网格的自动划分方法。该方法用单元尺度场控制生成网格的疏密分布,在不满足尺度场要求的单元面形心处插入新节点,同时计算新节点单元尺寸参数,实现三维实体的Delaunay四面体自动划分。此方法具有几个特点:一是表面网格与体内网格同步划分,无需区分两者;二是结点与单元同时生成;三是生成网格自适应性好,疏密分布任意。另外,还介绍了三维网格划分中两个相关算法:一个是约束面恢复算法,该算法基于约束面不允许有单元边与之相交的性质而提出的;另一个是将二维射线法推广至三维空间,判断一个点是否在一多面体内,实现了凹多面体的划分。最后通过算例对单元质量进行了评价。本文所述方法是一种有效的四面体自适应单元生成算法。