室内场景下基于曼哈顿约束的多重特征视觉SLAM方法

摘要：

针对基于点特征的视觉同步定位与地图构建(SLAM)在室内低纹理环境出现定位精度差甚至失效的问题,提出一种基于曼哈顿约束的点线面多重特征视觉SLAM方法.为克服传统面特征提取算法检测精度差的问题,使用改进的 PlaneRecNet 网络进行更准确的面特征提取.针对单纯利用曼哈顿假设进行位姿估计的应用场景受限问题,利用平面间的正交关系判断曼哈顿假设条件.在非曼哈顿场景直接跟踪点、线特征估计六自由度位姿;对于曼哈顿场景,采用方向引导的方法筛选主平面,比较和跟踪平面结构的正交性进行三自由度旋转估计,降低旋转累积误差带来的漂移.在公开 ICL-NUIM与TUM数据集上的实验结果表明:改进的面分割网络较PlaneRecNet和PlaneRCNN的精度分别提升5.47%和11.89%;平均绝对轨迹误差比ORB-SLAM3减少了39%,表现出了更优越的准确性和鲁棒性.

关键词：视觉同步定位与地图构建、曼哈顿约束、面特征、旋转估计

所属期刊栏目：31

分类号：U666.12(船舶工程)

资助基金：安徽省重点研究与开发计划项目;安徽省高校协同创新项目;安徽省高校杰出青年科研项目

在线出版日期：2023-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：890-899