科研之友
微信
新浪微博
Facebook
分享链接
摘要
传统视觉里程计算法一般假设相机处于静态环境，忽略实际应用中存在动态物体的情况，造成在动态环境中精确度低、鲁棒性差的问题。本文提出一种适用于动态环境并融合边缘信息的视觉里程计，该算法主要由聚类处理、边缘信息提取、面元重构和联合优化几部分组成。首先，使用K-Means聚类算法对场景信息进行聚类处理，再提取图像的边缘信息，分别得到基于光度和边缘信息的残差模型。然后，将不同的残差模型融合，再通过面元重构算法，为动态、静态物体分配权重，并剔除动态物体。最后将残差模型加入非线性优化函数中进行处理，提高位姿估算精度。TUM数据集的实验结果表明，该算法与REVO、VO-SF和Static Fusion算法相比，在高动态序列中其跟踪误差分别减少了53%、49.8%和6.2%，验证本算法在动态环境中的精确度。
- 单位
