论文部分内容阅读
SLAM技术就是为了解决在没有先验信息的条件下,对载体(如车辆)进行局部定位的技术。视觉SLAM的发展对于SLAM技术在自动驾驶定位中的应用尤为重要。本文以ORB-SLAM系统为基础,根据IMU的特点,在追踪线程增加了惯性-视觉追踪方法,在优化的代价函数中增加了IMU相关变量的优化项,在局部优化线程考虑到IMU测量必须在连续条件下才有意义,对优化问题的结构做出了一些改进,具体的研究内容如下:(1)用互信息的方法,对ORB-SLAM的特征点进行筛选,减少了地图点的数量。首先,本文用实验的方法,确定了图像中特征点互信息的大致范围,得到大范围后,本文在ORB-SLAM系统中运用不同的互信息阈值对特征点进行筛选,得到一个合理的阈值。(2)在视觉SLAM的基础上加入了IMU测量,提高了定位的鲁棒性,和室外长时间运行的定位精度。在追踪线程中,增加了视觉-惯性追踪方法,替代了原来的视觉追踪方法。在局部优化线程中,增加了IMU初始化的过程,并以视觉-惯性优化方法代替原来的视觉优化方法。(3)对ORB-SLAM中的一些策略进行调整,使之更适合融合IMU信息后的SLAM系统。加入IMU测量后,视觉追踪的关键帧插入方法和优化问题构建方法不再适用,本文针对IMU的传感器特性做了相应的修改。(4)在KITTI和EUROC数据集上对文本的SLAM系统和Vins-Mono,ORB-SLAM进行对比,证明了经过改进的SLAM系统具有更高的精度。实验表明,本文的SLAM系统在室内和室外均有较高的精度,而ORB-SLAM只能保证在室内的精度。