回环检测是消除同时定位与地图构建(simultaneous localization and mapping,SLAM)系统中累计误差的关键所在,在光照条件或视角变化较大的情况下,传统的基于外观的回环检测方法往往失效。针对这种情况,在ORBSLAM2的框架基础上提出一种...回环检测是消除同时定位与地图构建(simultaneous localization and mapping,SLAM)系统中累计误差的关键所在,在光照条件或视角变化较大的情况下,传统的基于外观的回环检测方法往往失效。针对这种情况,在ORBSLAM2的框架基础上提出一种物体级的回环检测方法。利用目标检测获得的语义信息和特征点信息构建物体级语义地图。将语义地图抽象成拓扑图并将地标抽象成节点,用颜色直方图描述节点信息,结合节点间的几何关系,基于语义和几何一致性约束,提出一种图匹配方法实现回环检测。当检测到回环时,通过物体对齐的方式进行回环校正。在公开的TUM和USTC数据集上进行实验,结果表明提出的系统精度较ORBSLAM2平均提高了49.58%,并且构建的语义地图显示出良好的定位效果。展开更多
回环检测作为同步建图与定位(Simulation Localization and Mapping,SLAM)算法中的基本组成部分,能有效关联相同场景之间的特征信息,提供全局一致性的位姿估计。基于词袋(Bag of Words,BoW)模型的回环检测算法在视觉SLAM领域有着显著成...回环检测作为同步建图与定位(Simulation Localization and Mapping,SLAM)算法中的基本组成部分,能有效关联相同场景之间的特征信息,提供全局一致性的位姿估计。基于词袋(Bag of Words,BoW)模型的回环检测算法在视觉SLAM领域有着显著成效,但对于激光雷达SLAM算法,主流的方法无法实时有效地识别回环场景,且通常无法校正完整的六自由度(6 Degree of Freedom,6-DOF)环路姿态。针对以上问题,文章提出了一种基于线性关键点特征表示的词袋模型,用于激光雷达SLAM中的实时回环检测。该词袋模型计算性能高效,可满足自动驾驶实时性要求。同时,算法具有稳定的姿态校正能力,可用于精确的点对点匹配。在公开数据集上,将文章提出的方法嵌入激光SLAM算法中进行闭环性能评估。结果表明,基于词袋模型的回环检测算法在激光SLAM领域优于现有的主流方法。展开更多
文摘回环检测是消除同时定位与地图构建(simultaneous localization and mapping,SLAM)系统中累计误差的关键所在,在光照条件或视角变化较大的情况下,传统的基于外观的回环检测方法往往失效。针对这种情况,在ORBSLAM2的框架基础上提出一种物体级的回环检测方法。利用目标检测获得的语义信息和特征点信息构建物体级语义地图。将语义地图抽象成拓扑图并将地标抽象成节点,用颜色直方图描述节点信息,结合节点间的几何关系,基于语义和几何一致性约束,提出一种图匹配方法实现回环检测。当检测到回环时,通过物体对齐的方式进行回环校正。在公开的TUM和USTC数据集上进行实验,结果表明提出的系统精度较ORBSLAM2平均提高了49.58%,并且构建的语义地图显示出良好的定位效果。
文摘为提高回环检测的精度,同时满足实时性的需求,提出了一种多信息作用下的激光回环检测算法。首先,利用惯性测量单元(inertial measurement unit,IMU)信息得到每个点云帧之间的相对运动;然后,提取点云中的高度信息、强度信息以及数量信息并归一化处理;在上下文扫描(scan context,SC)描述符的基础上,定义了融合IMU与点云信息的上下文扫描(IMU and point scan context,IPSC)描述符以及对应的相似度函数;最后,引入改进的正态分布变换(normal distributions transform,NDT)算法进行综合相似度判断。针对所提出的算法在多个数据集上进行实验,结果表明,该算法在回环检测时具有较高的精度,能够在不同场景下进行识别,同时满足了系统的实时性要求,为激光回环检测提供了一种新的方法。
文摘回环检测作为同步建图与定位(Simulation Localization and Mapping,SLAM)算法中的基本组成部分,能有效关联相同场景之间的特征信息,提供全局一致性的位姿估计。基于词袋(Bag of Words,BoW)模型的回环检测算法在视觉SLAM领域有着显著成效,但对于激光雷达SLAM算法,主流的方法无法实时有效地识别回环场景,且通常无法校正完整的六自由度(6 Degree of Freedom,6-DOF)环路姿态。针对以上问题,文章提出了一种基于线性关键点特征表示的词袋模型,用于激光雷达SLAM中的实时回环检测。该词袋模型计算性能高效,可满足自动驾驶实时性要求。同时,算法具有稳定的姿态校正能力,可用于精确的点对点匹配。在公开数据集上,将文章提出的方法嵌入激光SLAM算法中进行闭环性能评估。结果表明,基于词袋模型的回环检测算法在激光SLAM领域优于现有的主流方法。
