發(fā)布時間：2017-08-29 15:17

  本文關鍵詞：基于Kinect和視覺詞典的三維SLAM

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

【摘要】：針對傳統(tǒng)濾波器方法解決機器人同時定位與地圖創(chuàng)建(SLAM)時的誤差積累問題,提出了一種基于視覺詞典(BOW)的三維SLAM算法,以有效解決機器人長時間運動下誤差積累的問題。相比圖優(yōu)化SLAM中常用的隨機檢測和Kd樹(Kd-Tree)算法,采用基于樹結構的視覺詞典閉環(huán)檢測算法來提高相似場景的檢索效率。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的內點;然后通過基于隨機抽樣一致性奇異值分解(RANSAC SVD)算法計算出相鄰幀的初始位姿變換,并利用通用迭代最近點(GICP)算法進行優(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,拼接出高精度的點云地圖和運動軌跡。標準數(shù)據(jù)集的測試表明,所提算法在復雜情況下具有良好的魯棒性和精度。
【作者單位】： 浙江大學航空航天學院;
【關鍵詞】： 三維SLAM 閉環(huán)檢測 視覺詞典 圖形處理器 通用迭代最近點算法 增量平滑和建圖
【分類號】：TP242;TP391.41
【正文快照】： 0引言當機器人處于未知環(huán)境中時,利用自身傳感器獲取機器人所在環(huán)境的三維模型和機器人運動軌跡是一項基本需求。傳統(tǒng)同時定位與地圖創(chuàng)建(Simultaneous Localization andMapping,SLAM)一般采用三維激光雷達或者聲吶傳感器來獲取環(huán)境的深度信息,但此類傳感器動輒上萬的價格嚴重，

本文編號：754003