室内动态场景下移动机器人视觉SLAM算法研究
【文章页数】:84 页
【部分图文】:
图1-1经典视觉SLAM框架
算法的提出打破了一直以来以基于特征为主导的SLAM研究,为SLAM研究提供了新的研究思路。2015年,RaulMur-Artal等人[13]提出ORB-SLAM,该算法对PTAM进行改进。使用ORB特征关联帧间信息来估计位姿,创新性的提出了基于词袋模式(BagofWord,BoW....
图1-2经典目标检测系统框架
1绪论5等[37]基于HOG特征提出一种目标检测器DPM,该检测器对目标形变及尺度变化等有较好鲁棒性,是目标检测研究历史中最经典的方法之一。随后有国内外学者先后对DPM在精度和效率方面提出一些改进方法[38][39][40],但这些检测器大为通过人为设定特征完成目标检测。这些特征....
图1-3动态场景下的SLAM问题(a)静态场景(b)动态场景(a)Staticscene(b)Dynamicscene
文6出了一种使用深度信息和视觉测距法检测场景中的运动物体。通过将检测到的外点信息和视觉传感器的深度信息相融合可容易获得场景中的运动目标位置。但是由于深度信息的不确定性和相邻帧间的变换矩阵计算误差,该算法目标检测分割精度较低。Yi[56]等使用双单高斯模型(SingleGaussi....
图2-1ORB-SLAM2系统框架
2改进SLAM系统框架92改进SLAM系统框架SLAM框架是SLAM系统总规划,对后续SLAM问题解决起着至关重要作用。动态场景下,SLAM系统应严格控制输入端动态信息输入,而大多现有SLAM系统框架没有动态信息滤除模块。此外,地图构建模块负责SLAM系统对外部环境地图构建,然而....
本文编号:3948391
本文链接:https://www.wllwen.com/shoufeilunwen/xixikjs/3948391.html