10.16208/j.issn1000-7024.2015.01.022
融合IMU的RGBD-SLAM算法改进研究
Kinect采集的图像数据特征点稀少或缺失时,会导致RGBD-SLAM算法的定位和3D构图发生定位失效和极大构图误差,为此提出一种结合惯性传感器IMU、体感传感器Kinect以及机器人本身运动状态的改进定位算法.通过对姿态先比较再融合,利用IMU的测量数据对位移构建预估模型,利用Kinect位姿估计的结果构建观测模型,将机器人的运动指令和运动限制作为约束条件进行扩展卡尔曼滤波(extended Kalman filter,EKF)融合,改善机器人的定位效果.实验结果表明,该方法能够有效提高机器人的定位精度,改善RGB-D SLAM算法的构图效果.
惯性测量单元、Kinect、姿态解算、扩展卡尔曼滤波算法、同时定位与构图
36
TP273(自动化技术及设备)
国家自然科学基金项目61175094
2015-03-26(万方平台首次上网日期,不代表论文的发表时间)
共7页
120-126