一种SURF-FREAK特征误差模型视觉里程计

摘要：

针对深度相机在定位过程中存在的实时性差、定位精度低等问题,该文结合深度相机的特点,在传统ICP算法的基础上融合FREAK-SURF特征匹配点.首先,为了提高匹配速度,采用二进制描述符FREAK描述子简化传统的SURF特征点描述信息完成图像粗匹配,并结合对极几何约束预估相机初始位姿,为后续精匹配环节提供一个良好的初值.其次,在完成粗配准的基础上将特征点的空间位置和相机位姿误差模型引入点云配准算法中,并且为了弥补微小扰动和空间尺度对系统的影响,构造一种欧氏、马氏距离相融合的距离度量函数对匹配点对进行度量,构建出视觉里程计累计误差模型.最后,为增强特征点空间位置准确性与降低视觉里程计累计误差,在精匹配后采用卡尔曼滤波对特征点空间位置进行更新,以提高特征点位置与相机位姿精度.实验验证表明,该研究对深度相机视觉里程计问题的处理上,实时性优于主流的PnP-BA算法和SVD-ICP算法,精度高于传统的SVD-ICP算法.

关键词：视觉里程计、特征点空间误差模型、SURF-FREAK、ICP算法、先验概率模型、卡尔曼滤波

所属期刊栏目：32

分类号：TP242(自动化技术及设备)

资助基金：国家自然科学基金71861025

在线出版日期：2022-04-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：8-14