针对PL-SLAM(Point and Line Simultaneous Localization And Mapping)算法在稠密场景下同时使用点线特征造成特征计算冗余,以及曲线运动时漏选关键帧等问题,提出一种基于改进关键帧选取策略的快速PL-SLAM算法(Improved keyframe extrac...针对PL-SLAM(Point and Line Simultaneous Localization And Mapping)算法在稠密场景下同时使用点线特征造成特征计算冗余,以及曲线运动时漏选关键帧等问题,提出一种基于改进关键帧选取策略的快速PL-SLAM算法(Improved keyframe extraction strategy-based Fast PL-SLAM algorithm,IFPL-SLAM).该算法引入一种基于信息熵引导的位姿跟踪决策,使用信息熵评价优先提取的特征点,依据评价结果决策点线特征的融合使用方式,避免了在纹理稠密场景下点线特征同时使用造成数据冗余,提高了算法的实时性;与此同时,为避免曲线运动时漏选关键帧,采用逆向索引关键帧选取策略补充在曲线运动中漏选的关键帧,提高了闭环的准确率和定位精度.在公开的KITTI数据集和TUM数据集中进行测试,测试结果表明本文算法的运行时间与PL-SLAM算法相比减少了16.0%,绝对轨迹误差相比于PL-SLAM算法缩小了23.4%,表现出了良好的构图能力.展开更多
文摘针对PL-SLAM(Point and Line Simultaneous Localization And Mapping)算法在稠密场景下同时使用点线特征造成特征计算冗余,以及曲线运动时漏选关键帧等问题,提出一种基于改进关键帧选取策略的快速PL-SLAM算法(Improved keyframe extraction strategy-based Fast PL-SLAM algorithm,IFPL-SLAM).该算法引入一种基于信息熵引导的位姿跟踪决策,使用信息熵评价优先提取的特征点,依据评价结果决策点线特征的融合使用方式,避免了在纹理稠密场景下点线特征同时使用造成数据冗余,提高了算法的实时性;与此同时,为避免曲线运动时漏选关键帧,采用逆向索引关键帧选取策略补充在曲线运动中漏选的关键帧,提高了闭环的准确率和定位精度.在公开的KITTI数据集和TUM数据集中进行测试,测试结果表明本文算法的运行时间与PL-SLAM算法相比减少了16.0%,绝对轨迹误差相比于PL-SLAM算法缩小了23.4%,表现出了良好的构图能力.
