论文部分内容阅读
在未知林区环境下,精确的自主导航是林业机器人进行精准作业时需要解决的重点问题之一。视觉SLAM(Simultaneous Localization And Mapping)是林业机器人实现精确自主导航的关键。回环检测是视觉SLAM的关键环节,其任务是识别机器人曾经达到过的地方,为SLAM提供正确的数据关联,消除计算过程中的累积误差,提高SLAM系统的精确度和稳定性。目前多数回环检测主要采用单独的点或线特征。林区环境光照复杂、枝干颜色昏暗、目标纹理相似,存在严重的感知偏差,现有的方法在林区环境中检测准确率低,严重影响视觉SLAM的计算精度。因此,本文研究林区环境下的回环检测。针对林区环境的上述挑战,提出一种基于点线特征融合的回环检测算法,解决林区环境中的感知偏差问题。本论文的主要内容和成果如下:(1)研究多种特征的提取和描述算法,并进行实验对比分析。利用BoW模型构建基于BREIF、SURF、ORB、LBD、binary LBD的视觉词典,将它们应用在回环检测中。根据实验结果可知,在多数场景中,从算法的计算时间和检测结果的准确率综合考虑,点特征描述符中ORB效果最佳,线特征描述符中binary LBD效果最佳。(2)提出一种基于信息熵分配原则的图像相似性计算方法。将点、线特征融合,利用信息熵为点、线特征分配权重,求解相似性分数。对比基于特征数量和基于特征分布离散度的分配原则,本文提出的分配原则求得的相似性分数更有优势,提高了回环检测的准确率。(3)提出一种新的基于点线特征融合的回环检测算法。利用提出的信息熵分配原则融合点、线特征求取相似性分数,并引入特征点匹配原则剔除邻近图像,避免假阳性回环的出现。该算法提高了回环检测的准确率和召回率,扩展了算法的应用场景,一定程度上解决了场景中的感知偏差问题。(4)将构建的点线特征融合的回环检测算法应用于完整的SLAM系统,提升了林业机器人在林区环境下的定位精度与建图的一致性,为后续林业机器人的自动导航技术提供理论基础。