摘要：针对深度相机采集深度图像的噪声对位姿估计精度的影响,以及误差随时间累积的严重问题,设计了一种改进的基于RGB-D相机的视觉SLAM系统.首先,建立重投影误差模型,通过最小化重投影误差,对位姿和特征点进行非线性优化.此外,提出了一种闭环检测的算法,建立字典模型,用频率-逆文档频率计算权重,用Kullback-Leibler散度计算相似度,并使用相对相似度机制检测闭环,减少了累积误差.使用15个公开的图像序列对算法进行评价,同3个流行的RGB-D SLAM系统对比,精度平均最高提高119. 07%,最低提高4. 24%.实验结果证明,提出的方法比目前流行的RGB-D SLAM系统具有更好的精度.

摘要：针对传统ORB算法提取的特征点和弱光条件下特征点匹配点对的数量较少的问题,提出了采用自适应阈值提取ORB特征点结合暗通道先验去雾算法的方法,特征点数量均值提升比为251.35%,匹配特征点对提升比约为191.67%。为解决视觉SLAM跟踪时经典关键帧选择策略信息利用率较低的问题,设计了一个基于滑动窗口关键帧选择的跟踪模块。后端模块采用局部ba优化加全局位姿图优化的方式,建图模块通过PCL库产生稠密点云地图以提供更为丰富的纹理信息。利用开源的TUM GRB-D数据集对算法进行测试评估,实验结果表明,该系统得到的位姿均方根误差为0.0098,有着较好的准确性和有效性。