APP下载

一种结合ORB特征和视觉词典的RGB-D SLAM算法

2018-06-26张生群

计算机工程与应用 2018年12期
关键词:特征优化方法

张 震 ,郑 宏 ,周 璇,张生群

1.武汉大学 电子信息学院,武汉 430072

2.武汉大学 大疆创新无人机实验室,武汉 430072

1 引言

当机器人处于一个完全陌生的环境中时,如何通过自身传感器获取到的信息,完成自身的定位和对周围环境的建模,是一项具有重要意义同时又极具挑战性的工作,一般将这个问题称为同时定位与建图(Simultaneous Localization and Mapping,SLAM)。SLAM被认为是真正实现机器人自主运动最核心的部分[1]。目前常用的方法采用激光雷达获取周围障碍物信息,但受限于激光雷达昂贵的价格,很难进行广泛的应用。微软于2010年推出了可同时获得彩色图与深度图的相机——Kinect。由于其低廉的价格,迅速在计算机视觉以及机器人领域得到了广泛的应用。

当前求解SLAM问题主要可以分为两种方法。传统的方法将定位看作一个状态估计问题:在给定了从初始时刻到当前时刻的控制输入以及观测数据的条件下,构建一个联合后验概率密度函数来描述当前位姿和地图特征的空间位置。通过递归的贝叶斯滤波方法对此概率密度函数加以估计,从而实现同步定位和地图创建。根据滤波器选择的不同,可以分为基于扩展卡尔曼滤波(EKF)的方法,基于扩展信息滤波(EIF)的方法和基于粒子滤波(PF)的方法等。基于滤波器的方法主要存在两个问题:一是线性化模型导致的累计误差,二是高计算复杂度导致更新效率缓慢,因此很难被应用到大规模环境地图创建中去。这都是由滤波器模型本身的缺陷所造成的。……

登录APP查看全文

猜你喜欢

特征优化方法
超限高层建筑结构设计与优化思考
民用建筑防烟排烟设计优化探讨
关于优化消防安全告知承诺的一些思考
一道优化题的几何解法
如何表达“特征”
不忠诚的四个特征
用对方法才能瘦
四大方法 教你不再“坐以待病”!
捕鱼
线性代数的应用特征