线特征融合光流的单目SLAM算法

计算机工程与科学

线特征融合光流的单目SLAM算法

贾哲，冷建伟

（天津理工大学电气电子工程学院，天津 300384）

收稿日期:2018-01-12 修回日期:2018-05-29 出版日期:2018-12-25 发布日期:2018-12-25

A monocular-SLAM algorithm based on

fusion of line feature and optical flow

JIA Zhe，LENG Jianwei

（School of Electrical and Electronic Engineering,Tianjin University of Technology,Tianjin 300384,China）

Received:2018-01-12 Revised:2018-05-29 Online:2018-12-25 Published:2018-12-25

摘要/Abstract

摘要：

针对移动机器人的定位与建图问题，提出了基于图优化的单目线特征融合光流的同时定位和地图构建(SLAM)的算法。首先,针对主流视觉SLAM算法因采用点作为特征而导致构建的点云地图稀疏、难以准确表达环境结构信息等缺点,采用直线作为特征来构建地图，并采用图优化方法来提高定位精度和地图构建的准确性。然后，针对定位系统的处理速度很难达到实时性要求，将光流法引入以达到实时定位的效果。实验表明，基于线特征的地图构建有较高的建图精度，并且融合算法克服了光流法定位精度差和特征法处理速度慢的缺点，可提供较准确的实时定位输出，并对光照变化和场景纹理较少的情况有一定的鲁棒性。

关键词: 移动机器人, 单目SLAM, 线特征, 图优化, 光流

Abstract:

In order to solve the problem of localization and mapping of mobile robots, we propose a new simultaneou localization and mapping (SLAM) algorithm based on the fusion of line feature and optical flow. Firstly, the mainstream visual SLAM algorithms use points as features, resulting in that the point cloud map is sparse and it is difficult to accurately express the environmental structure information. Aiming at this problem, we take straight lines instead of points as a feature to construct the map, and employ the graph optimization method to improve the accuracy of localization and map construction. Secondly, the processing speed of the localization system cannot achieve realtime requirement, we introduce the optical flow method to realize realtime localization. Experimental results demonstrate that the map construction based on line features has higher mapping accuracy, and the fusion algorithm overcomes the shortcomings of poor localization accuracy of the optical flow and the low processing speed of the feature matching method, providing more accurate realtime localization output. And it is robust to circumstances such as illumination change and low scene texture.

Key words: mobile robot, monocular SLAM, line feature, graph optimization, optical flow

贾哲，冷建伟. 线特征融合光流的单目SLAM算法[J]. 计算机工程与科学.

JIA Zhe，LENG Jianwei.

A monocular-SLAM algorithm based on

fusion of line feature and optical flow

[J]. Computer Engineering & Science.

[1]	邱晓梦, 王琳, 谷文俊, 宋伟, 田浩来, 胡誉. 光流法修正的时序图像语义分割模型[J]. 计算机工程与科学, 2024, 46(01): 102-110.
[2]	张小俊, 刘昊学. 轮式移动机器人轨迹跟踪控制研究[J]. 计算机工程与科学, 2022, 44(10): 1804-1811.
[3]	郭园园, 袁杰, 赵克刚. 基于改进A*算法和动态窗口法的机器人路径规划[J]. 计算机工程与科学, 2022, 44(07): 1273-1281.
[4]	赵广元, 赵英. 基于改进蚁群优化算法的养殖场机器人路径规划[J]. 计算机工程与科学, 2022, 44(05): 910-915.
[5]	赵炳巍, 贾峰, 曹岩, 孙瑜, 刘一鸿. 基于模拟退火算法的人工势场法路径规划研究[J]. 计算机工程与科学, 2022, 44(04): 746-752.
[6]	张晓丽, 张龙信, 肖满生, 左国才. 快速多域卷积神经网络和光流法融合的目标跟踪[J]. 计算机工程与科学, 2020, 42(12): 2217-2222.
[7]	刘树东, 姚文渤, 张艳. 雾天条件下基于机器视觉的森林火灾监测[J]. 计算机工程与科学, 2020, 42(07): 1253-1261.
[8]	曲智国，谭贤四，林强,王红，张伟. 多尺度宽线检测方法[J]. 计算机工程与科学, 2018, 40(12): 2205-2210.
[9]	林成忠1，张为1，王鑫2，刘艳艳3. 基于稠密光流和边缘特征的烟雾检测算法[J]. 计算机工程与科学, 2018, 40(07): 1213-1220.
[10]	许芬，王振. 基于Kinect传感器和ORB特征的视觉SLAM算法设计与实现[J]. 计算机工程与科学, 2018, 40(05): 836-841.
[11]	邹铮，闫玮，谢剑斌，刘通，李沛秦. 基于光流计算的异常拥挤行为检测算法[J]. 计算机工程与科学, 2017, 39(08): 1465-1470.
[12]	宋建辉，代涛，刘砚菊. 基于改进人工势场法的移动机器人路径规划[J]. 计算机工程与科学, 2017, 39(07): 1328-1332.
[13]	何金辉1，薛月菊1，毛亮1，李鸿生2，林焕凯1，张晓1. 基于角点光流与SVM的增氧机工作状态检测[J]. J4, 2015, 37(08): 1566-1572.
[14]	张殿富，刘福. 基于人工势场法的路径规划方法研究及展望[J]. J4, 2013, 35(6): 88-95.
[15]	苏丽颖,宋华磊. 基于自由空间中线法提取构建拓扑地图[J]. J4, 2013, 35(4): 70-74.