论文摘要
为解决动态环境中视觉定位精度下降、鲁棒性不足的问题,并改善构建的环境地图,提出一种基于语义信息和边缘一致性的鲁棒同时定位与地图创建(SLAM)算法.首先使用YOLOv3算法获取环境语义信息,得到初步的图像语义动静态分割.而后使用基于图像中边缘的距离变换误差和光度误差的一致性评估,进一步对图像的动静态区域进行细分,并利用连通区域分析和漏洞修补算法修正动态区域.使用图像非动态区域的特征点进行特征匹配,利用非线性优化算法最小化特征点的重投影误差,得到优化的相机位姿.利用特征点共视性和动静态区域面积进行绘图关键帧的选取,从而构建不包含动态物体信息的静态环境地图.公开数据集中高动态环境的实验表明,本文算法能够准确地区分图像中的动静态信息,完成动态环境下的精确定位与地图构建任务.并且本文算法在纯静态环境下不存在定位精度下降的情况.
论文目录
文章来源
类型: 期刊论文
作者: 姚二亮,张合新,宋海涛,张国良
关键词: 同时定位与地图创建,语义信息,动态环境,距离变换,边缘一致性
来源: 机器人 2019年06期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 计算机软件及计算机应用,自动化技术
单位: 火箭军工程大学控制工程系,成都信息工程大学控制工程学院
分类号: TP242;TP391.41
DOI: 10.13973/j.cnki.robot.180697
页码: 751-760
总页数: 10
文件大小: 9340K
下载量: 598
相关论文文献
标签:同时定位与地图创建论文; 语义信息论文; 动态环境论文; 距离变换论文; 边缘一致性论文;