基于改进ORB-SLAM2的单目视觉算法

摘要：

[目的]视觉SLAM算法受光照强弱或低纹理等场景的影响,导致产生特征提取鲁棒性差、位姿计算精度低等问题,为解决上述问题展开针对性研究.[方法]研究团队提出基于改进ORB-SLAM2的SuperPoint-SLAM算法模型,将ORB-SLAM中的特征匹配模块替换成基于SuperPoint网络的特征匹配,并据此进行特征跟踪、局部建图、关键帧识别、回环检测、位姿估计.将改进后SLAM算法与ORB-SLAM2算法分别在freiburg3_sitting_xyz与freiburg3_walking_xyz_validation两个数据集进行训练验证.[结果]SuperPoint-SLAM算法在动态环境中具有比ORB-SLAM2更高的定位精度,在特征点提取数量上提升近50％,轨迹误差减少0.008 m,而且在强弱光照条件下,基于SuperPoint网络的单目SLAM相较ORB-SLAM2有更强的鲁棒性.[结论]研究团队将利用Kinect2.0,基于SuperPoint与ORB-SLAM2,进一步进行稠密地图构建,实现机器人导航.

关键词：同步定位与建图、视觉定位、ORB-SLAM、SuperPoint、特征提取与匹配

所属期刊栏目：54

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-06-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：16-19