摘要
针对实际的复杂场景下同时定位与建图存在精度不高和动态环境下系统容易追踪丢失的问题,提出一种基于聚类的视觉同时定位与建图算法.首先,在ORB-SLAM3算法中融合语义分割网络,并对参考帧图像进行聚类划分运动区域和物体类别,改进ORB特征提取,提高特征点的鲁棒性.其次,在运动一致性基础上提出机器人感知自身处于动态还是静态的环境检测约束条件,然后在匹配阶段融合K均值聚类算法剔除由物体运动和系统匹配过程产生的误匹配对,以此提高系统的精度和稳健性.最后利用运动矢量虚拟匹配重构静态地图点获取更多的匹配对,降低系统追踪丢失率.在TUM数据集上实验结果表明,改进后系统特征点提取成功率平均提高了20%;误匹配过滤时间稳定在1～2 ms之间,在动态环境下相对于原方法匹配效率提高十倍,特征点匹配数目增多;算法整体精度在静态环境下提升10%,动态环境下提高90%并且追踪完整性表现优越.实验结果表明复杂场景下所提算法具有优越的精度和稳健性.
基金项目
贵州省基础研究(自然科学)项目(黔科合基础-ZK[2021]重点001)
维普
万方数据