[00105249]基于视觉的即时定位与地图构建技术研究
联系人：
所在地：
- 服务承诺
- 产权明晰
-
资料保密
对所交付的所有资料进行保密
- 如实描述
技术详细介绍
该课题为虚拟现实技术与系统国家重点实验室开放课题（北京航空航天大学）（课题编号： VRLAB2018A21）。
该课题研究了基于单目视觉的 SLAM 算法，分析发现主流 SLAM 系统的性能瓶颈在于传统的特征提取方法不能够有效的描述图片，其构建的词袋模型的表征能力有所欠缺后，尝试利用预训练的深度学习模型对机器人路径上遇到的环境图片进行特征提取。利用深度学习模型提取的特征构建词袋模型来改善目前系统特征描述能力不足的问题，提高了回环检测的检测精度。主要研究成果如下：
1. 研究并实现了一套完整的双目 SLAM 系统，包括双目匹配、局部构图、图优化和闭环检测。前端模块基于特征点处理立体相机的输入，使用 ORB 作为特征描述子，并使用 Perspective n Point 算法进行姿态估计。后端采用非基于过滤器的算法来减少自外部环境的噪音的影响，所使用的概率图模型通过来自前端的已知信息计算最可能的位姿序列的最大先验概率。实现的系统在几个开源数据集上进行测试，实验结果表明：减小了重投影误差。该系统具有良好地定位精度和地图重构精度，可以在室内和室外环境中使用，并且可以实时运行。
研究了基于 RGB-D 摄像机的 SLAM 算法，使用基于机器学习的方法实现特征匹配，基于词袋进行回环检测，基于子地图进行地图构建，将所提出的算法与已有算法进行了对比，并在真实环境中进行了测试。提出的 SLAM 算法相较现有 SLAM 算法性能有提升，在普通情景数据集的测试中最大误差为 1.28 厘米，优于其它已有算法，同时在追踪丢失数据集、大规模数据集中性能均优于现有 SLAM 算法。在真实环境的测试中，提出的算法精确重建出了所在环境的
