基于改进随机抽样一致算法的视觉SLAM

• 作者: 安卫凤 徐岩
• 来源期刊: 天津大学学报
• 学科: 工学
• 关键词: 机器视觉 同时定位与地图构建 随机抽样一致
• 年，卷（期）: 2020,（10）
• 页码范围: 1069-1076
• 页数: 8页
• 分类号: TP242.6
• 字数: 4405字
• 语种: 中文
• DOI: 10.11784/tdxbz201908024

摘要

同时定位与地图构建(SLAM)在智能驾驶和机器人技术中发挥着重要的作用.针对传统随机抽样一致(RANSAC)算法对噪声敏感的问题,提出了一种改进的RANSAC算法,命名为LORANSAC,简称LO*.该算法包含内点筛选和非线性优化两部分.首先,在传统RANSAC算法估计出较好的模型后,保存在这个模型下得到的内点,在这些内点中随机选出一个子集,以进一步缩小内点的选择范围,迭代地进行模型估计.然后,对估计的模型进行捆集调整,通过最小化误差优化模型.实验使用公开的TUM RGBD数据集和KITTI数据集中的共10个序列进行评估,每个序列至少存在一个闭环,数据集涵盖小型和大型、室内和室外环境.从定性角度验证该算法删除误匹配的特征点的有效性,从定量角度验证使用该算法的定位精度.实验结果显示,与传统的RANSAC算法相比,改进的算法可以提高SLAM的定位精度.此外,实验结果与4个流行的SLAM系统对比,精度平均最高提高60.82％,最低提高12.16％.实验结果证明,该方法可以有效提高SLAM的定位精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐岩	天津大学电气自动化与信息工程学院	44	132	5.0	9.0
2	安卫凤	天津大学电气自动化与信息工程学院	2	0	0.0	0.0