科研之友
微信
新浪微博
Facebook
分享链接
摘要
鲁棒性是视觉SLAM(Simultaneous Localization And Mapping,SLAM)的重要测度，反映了系统对于环境的适应性，目前普遍以定位和建图精度代替鲁棒性评价，但未能准确定义视觉SLAM的准确内涵。文中基于系统状态扰动模型，提出视觉SLAM鲁棒性是对不同光照条件、环境纹理及无人系统非规律性运动条件性能不受影响的能力。为克服基于数据集评价真实位姿难以准确获取、不同条件场景难以真实呈现及数据标签工作量巨大等问题，提出基于UnrealEngine平台和微软的AirSim插件模拟不同的应用场景，以此加入多种环境扰动因素，构建起包含动态环境鲁棒性、运动鲁棒性以及光照鲁棒性的视觉SLAM鲁棒性评价指标体系。通过实验，分别对特征点法ORB-SLAM、直接法DSO-SLAM和半直接法SVO-SLAM基于室内、室外及工厂场景模拟进行了鲁棒性比较研究，与实际情况基本一致。
