科研之友
微信
新浪微博
Facebook
分享链接
摘要
为实现复杂场景下移动机器人视觉定位和建图，解决传统方法误差累积及鲁棒性差的问题，提出了融合深度学习和结构特征的视觉定位方法。首先，引入注意力机制改进深度学习网络，提取场景语义信息，剔除动态特征对定位及建图的干扰；其次，结合场景中的特征点、特征线和特征面信息，综合考虑空间的几何结构信息，实现复杂场景下的结构化特征融合；然后，计算多特征融合的视觉词袋模型，提升非线性优化和闭环检测的准确性；最后，提出静态关键帧策略，通过特征匹配实现位姿跟踪，建立无重影的八叉树场景地图，实现机器人自主定位和导航。数据集和真实场景实验表明：改进方法提升了复杂场景下，移动机器人视觉定位的准确性和鲁棒性。
- 单位
