为了提高移动机器人在未知环境中执行复杂任务的能力,结合最大信息熵概念、同步定位与地图构建(simultaneous localization and mapping,SLAM),提出一种视觉定位与检测系统.以ORB-SLAM2检测算法为基础,在均匀分布的前提下,通过寻找单目视觉下具有最优先验信息的特征点,选择具有最大信息熵的前N个特征进行二次优化使其快速收敛,实现高精度定位.为了验证算法的有效性,结合YOLO-V4目标检测进行实物测试,证明在嵌入式移动设备中可实现实时定位、检测等功能.实验结果表明:所提出算法在TUM和KITTI数据集上的定位精度均有提升,算法在多场景、多设备下均优于原始算法.
Characteristic optimization method based on maximum information entropy in visual positioning detection
国家科技期刊平台
NSTL
万方数据
