基于点面特征融合的RGB-D SLAM算法

作者：孙超; 朱勇杰; 余林波; 苗隆鑫; 曹勉; 叶力; 郭乃宇

来源：计算机工程, 2022, 1-10.

DOI：10.19678/j.issn.1000-3428.0064

• RGB-D SLAM
• AGAST
• 点云分割
• 点面特征融合
• 图优化

传统的视觉SLAM算法主要依赖于点特征来构建视觉里程计，而在人造环境中通常存在一些点特征不足、但结构特征丰富的场景，此时基于点特征的视觉里程计方法容易出现跟踪失败或位姿估计精度降低的问题。因此，针对上述问题提出了一种融合点面特征的RGB-D SLAM算法，充分利用人造环境中的平面特征以提高SLAM算法定位与建图精度与鲁棒性。使用AGAST特征点提取算法并采用四叉树的方式进行改进，使特征点在图像中均匀分布以减少点特征提取的冗余度；在传统点特征方法的基础上添加了平面特征，使用连通域分割算法从点云中获取平面特征，并构建伪平面特征，结合AGAST特征点构建点面特征融合的结构约束因子图，构建多重约束关系，用于图优化。与ORB-SLAM2算法对比，所提出算法的AGAST特征点提取效率优于ORB-SLAM2的特征提取策略，融合的点面特征使其在室内环境下的定位和建图精度更优。数据集测试结果表明，所提出算法的绝对轨迹误差减小了约20%，相对轨迹误差减小了约10%，单帧跟踪耗时减少了约7.3%。

• 单位
  江汉大学