基于混合特征的SLAM原型系统

近年来数据创新的发展以及容量的提升，使得人工视觉与SLAM相结合成为可能，由此产生了所谓的视觉SLAM。本文的目标是建立一种基于视觉SLAM的导航系统，使机器人能够进入基本且未知的环境，仅以立体视觉相机记录其路径作为输入，便能够定位并制作该环境的三维地图。本实验的结果是，视觉SLAM框架与Fast SLAM（卡尔曼滤波与粒子滤波及SIFT的结合）的融合能够充分准确且无歧义地识别图像中的自然点。该框架使用MATLAB，因其在执行各类实验时的适应性与便利性。该程序通过插入一段用立体相机预录的视频输入进行测试，视频中在一个办公室环境中完成了一段路径。算法首先定位相机捕获的立体帧中的兴趣点，这些点将在三维空间中定位并关联一个识别描述子。在下一帧中，相机同样识别兴趣点，并通过比较描述子来判断其中哪些先前已被检测到。此过程称为“数据关联”，其成功完成对SLAM算法至关重要。机器人位置数据与兴趣点存储在称为“粒子”的数据结构中并独立演化。其管理对Fast SLAM算法的正常运行非常重要。结果令人满意。