论文部分内容阅读
传统基于点特征的SLAM算法在弱纹理环境下鲁棒性较差,室内机器人运行在走廊等人造结构化场景中,所能检测的点特征有限,严重影响机器人定位精度。针对该问题,在视觉跟踪中引入线特征检测用以扩充环境信息,此外,对点线特征进行分块加权,采用紧耦合方式,利用点线重投影误差、IMU残差以及先验残差构建误差方程,通过非线性优化方法估计出机器人位姿。利用EuRoc室内数据集对算法进行测试评估,结果表明,相较于点特征检测,在引入线特征后机器人定位精度显著提高,定位误差在7cm左右。最后将算法应用于实际平台进行验证,结果证实了算法在弱纹理环境下的鲁棒性。