摘要：位姿图优化(pose graph optimization,PGO)是计算机视觉领域中广泛应用的高维非凸优化算法,很难直接求解,主要依赖于迭代技术,对初始值的质量要求较高,在实践中很难得到保证。针对位姿图优化问题进行了研究,提出了基于特征分解的位姿图简单封闭解算法,该算法首先对PGO问题的最大似然估计进行半定松弛,然后将其转换为特征分解问题,并利用数据的稀疏性设计了改进的模型降阶方法进行求解,进一步提高了算法的计算速度。算法具有可伸缩性、计算成本低和精度高等优点。最后,在模拟和真实的位姿图数据集上进行实验评估,结果表明在不影响精度的情况下,该算法可以快速地进行位姿图优化。

摘要：后端轨迹优化是视觉同步定位与建图系统的重要组成部分,可以显著地提高定位精度.然而,现有的基于捆集约束法的优化方法在大场景中计算量大,并且无法应用于端到端视觉里程计.针对这个问题,提出了一种在前端采用2个视觉里程计的后端通用位姿图优化方法,可以应用于端到端视觉里程计.该方法采用一个高速低精度的端到端视觉里程计以高频率运行,同时一个低速高精度的视觉里程计以低频率运行,局部优化通过2个里程计提供的约束条件使用高斯-牛顿法迭代优化;在全局优化中基于关键帧进行场景匹配与局部优化同时进行.实验证明,应用该优化方法的同步定位与建图系统可以在KITTI数据集上实时运行,相较于2个视觉里程计都取得了精度上的较大提升,并且对比现今开源的几种应用后端轨迹优化的著名同步定位与建图方法,在轨迹误差、绝对轨迹误差、旋转误差和相对位姿误差上均取得了较低的误差,兼顾了传统方法精度的优势和端到端方法速度上的优点.除此以外,该优化方法还可以适用于其他更多的视觉里程计.

摘要：针对大尺寸部件三维重建中点云配准易产生错误匹配点和累积误差的问题,提出一种改进的多视角点云配准方法。首先采用基于鲁棒核函数的成对点云配准算法,在点到平面距离度量的ICP算法的基础上通过改进目标函数来减小误匹配点对配准结果的影响。点云对两两顺序配准后,采用基于位姿图优化的多视角点云全局配准方法,将点云全局位姿优化转化为图优化问题求解,通过最小化点云对整体配准误差实现对累积误差的消除。实验结果表明该成对配准方法对点云重叠比值具有较高的鲁棒性,在重叠比值大于40%的点云对上全部配准成功,全局配准方法在顺序配准的基础上将多视角配准误差降低了39.1%,有效减小了顺序配准后的累积误差。

摘要：以实现机器人导航系统的高精度实时定位为目标,针对弱纹理环境下视觉SLAM运行不稳定、累积误差大,以及快速运行时算法失锁等问题,提出一种基于光流-线特征的单目视觉-惯性SLAM算法(PL-VINS)。参考开源的VINS-Mono系统架构,通过视觉-惯性联合初始化估计PL-VINS初始时刻的状态,为后端线程提供良好的初始值。在此基础上,整合回环检测误差、惯性误差及点线视觉重投影误差,构建目标优化函数,并利用滑动窗口双向边缘化策略,实现回环检测与重定位。采用通用开源数据集EuRoc评估PL-VINS性能并与VINS-Mono做对比,实验表明,在某些特定的场景下,PL-VINS的导航定位精度上要高于VINS-Mono,且增强了VINS在弱纹理环境下的适应性,为短时快速、非理想光照场景下的视觉SLAM设计提供了重要的模型参考。

摘要：针对未知复杂环境中无人机无法获得外部辅助情况下自主导航所面临的严峻问题,提出在ROS框架下在板运行单目VSLAM算法的自主无人机方案,仅依靠自身摄像机自主地完成SLAM和导航任务。研究VSLAM算法原理与前沿算法ORB-SLAM,设计并搭建了自主导航无人机平台,针对搭建的无人机平台方案和特点完成视觉定位部分的改进设计。实验表明,自主无人机能够在未知环境中,自主实现同时定位和地图构建任务并完成精确的飞行控制与导航。

摘要：针对多机器人视觉SLAM在实际应用中带宽受限的问题,设计了一种低数据传输的多机器人实时视觉SLAM系统。系统中引入了NetVLAD神经网络模型,通过改进NetVLAD降低了多机器人回环检测的计算资源占用,提高了回环检测的实时性。提出了一种针对描述子缺失情况下的特征匹配算法,提高了回环检测与相对量测的鲁棒性,并提出了一种增量式多机器人位姿图共享和优化方法。最后,通过在KITTI数据集进行测试,验证了该SLAM系统能有效减少多机器人通信过程中的数据传输,具有与单机器人SLAM相当的定位精度和实时性。

摘要：针对RGB-D SLAM室内三维重建方法存在特征点匹配精度不高和重建结果质量不佳的问题,本文提出一种改进的基于ORB特征点的RGB-D SLAM室内三维重建方法。前端利用改进的RANSAC算法提升特征点匹配精度,结合PnP实现点云图像的精确配准;后端采用位姿图进行优化,降低噪声数据对重建的影响;并利用回环检测控制重建过程中的误差累积。为验证所提方法的有效性,本文基于开源的RGB-D数据集,选取了多组数据,将本文方法与传统的RGB-SLAM三维重建方法进行比较,实验结果表明,所提出的特征点匹配方法能显著提高特征点的匹配精度,正确匹配率约为94%,较传统RANSAC算法提升6.5%;所提方法与传统RGB-D SLAM重建方法相比,重建结果质量更优,其中相机估计轨迹与真实轨迹互差RMS结果更佳,RMS值均小于0.08m。

摘要：提出了一种基于RGB-D相机数据的机器人同步定位与地图构建(SLAM)算法方案,实现了室内环境三维稠密点云地图的快速构建。首先在RGB图中提取均匀化的ORB特征,采用暴力匹配的方式,并使用随机采样一致性(RANSAC)算法得到优化后的匹配结果,然后用Pn P解算连续帧的相机位姿变换关系,并用非线性优化方法优化该位姿变换矩阵,同时,通过关键帧选择机制,挑选关键帧,并将得到的关键帧送入后端。后端采用位姿图优化,使用g2o工具箱优化全局位姿。通过位姿变换矩阵将当前帧的点云图变换到世界坐标系中,实现三维稠密点云地图的构建。本文方案成本低廉,仅需要一个深度相机作为传感器,实验中使用的RGB-D数据为TUM制作的数据集,通过实验可以得出,每帧数据平均处理时间为0.182s,本文算法能快速建立全局一致的三维室内环境地图。