基于BoW模型的增强RGB-D SLAM算法
即时定位与地图构建（simultaneous localization mapping,SLAM）被认为是机器人自主运动的核心技术。 针对目 前的 RGB-D SLAM 算法实时性和鲁棒性差的问题,提出了一种增强的 RGB-D SLAM 算法。 提取 RGB 图像的 ORB 特征描 述子,然后利用 BoW（bag of word）模型缩小特征描述子的匹配范围从而提高算法的实时性；接着采用 PROSAC 算法结合 PnP 算法解算初始相机位姿并通过非线性优化的方式得到优化的相机位姿；利用 BoW 模型结合关键帧技术和结构一致性 几何约束提高回环检测的鲁棒性；采用通用图优化工具 g2o 对位姿图进行优化,得到全局一致的位姿和点云；最后采用贪 心三角化算法将点云转换成网格地图。 针对 Fr1 数据集,该算法的平均定位误差为 0. 079 7 m,每帧数据平均处理时间为 0. 04 s。 与 RGB-D SLAM 原始算法相比,该算法具有良好的实时性和鲁棒性,可以满足机器人实时 SLAM 的要求。
- 2021-06-15
- 阅读325
- 下载0
- 7页
- pdf
