低光条件下结合FFE-Net网络的视觉SLAM算法

作     者：陈孟元 李鹏飞 符乙 杨苏朋 徐奥 杜鹏 CHEN Mengyuan;LI Pengfei;FU Yi;YANG Supeng;XU Ao;DU Peng

作者机构：安徽工程大学电气工程学院芜湖241000 高端装备先进感知与智能控制教育部重点实验室芜湖241000 

基　　金：安徽省重点研究与开发计划项目(202304a05020073) 安徽省学术和技术带头人后备人选科研活动经费择优资助(2022H292) 安徽省高校杰出青年科研项目(2022AH020065) 

出 版 物：《中国惯性技术学报》 (Journal of Chinese Inertial Technology)

年 卷 期：2025年第33卷第1期

页      码：36-45页

摘      要：视觉同步定位与地图构建(SLAM)算法在低光照条件下容易出现跟踪丢失和特征匹配困难,造成闭环和定位精度降低。针对此问题,提出一种融合傅立叶特征增强网络(FFE-Net)的视觉SLAM算法。首先,通过对傅里叶频域和空间域进行跨域处理,设计傅里叶空间亮度增强和特征细节恢复模块,提高了系统在低光照条件下的特征匹配数量及定位精度。其次,提出一种基于局部超像素特征描述符的闭环检测方法,通过规划特征区域生成特征描述符并结合词袋,共同完成对候选回环帧的筛选,提高闭环准确率。最后,在TUM_VI、KITTI和EUROC公开数据集上进行实验验证。实验结果表明,所提算法在TUM_VI上的绝对轨迹误差比ORB-SLAM3算法平均降低了27.16%,闭环精度比VINS-FUSION算法提升了5.0%。根据实际场景下的实验结果,所提算法的运动轨迹比VINS-FUSION更接近真实轨迹,表现出良好的构图能力。

主 题 词：特征匹配 图像增强 特征描述符 闭环检测 

学科分类：081104[081104] 08[工学] 0811[工学-水利类] 

核心收录：

D　O　I：10.13695/j.cnki.12-1222/o3.2025.01.005

馆 藏 号：203157128...