一种融合单目信息的RGB-D SLAM优化方法

doi:10.12068/j.issn.1005-3026.2020.06.014

东北大学学报:自然科学版 ›› 2020, Vol. 41 ›› Issue (6): 841-846.DOI: 10.12068/j.issn.1005-3026.2020.06.014

一种融合单目信息的RGB-D SLAM优化方法

马树军，王英蕾，金铁铮，白昕晖

(东北大学机械工程与自动化学院，辽宁沈阳110819)

收稿日期:2019-05-21 修回日期:2019-05-21 出版日期:2020-06-15 发布日期:2020-06-12
通讯作者: 马树军
作者简介:马树军(1982-)，男，河北保定人，东北大学副教授.
基金资助:
国家自然科学基金资助项目(51505076)；辽宁省自然科学基金资助项目 (2015020105)；中央高校基本科研业务费专项资金资助项目(N180304016，N140304010)；辽宁省高等学校创新团队项目(LT2014006).

A RGB-D SLAM Optimal Method for Fusing Monocular Information

MA Shu-jun， WANG Ying-lei， JIN Tie-zheng， BAI Xin-hui

School of Mechanical Engineering & Automation， Northeastern University， Shenyang 110819， China.

Received:2019-05-21 Revised:2019-05-21 Online:2020-06-15 Published:2020-06-12
Contact: MA Shu-jun
About author:-
Supported by:
-

摘要/Abstract

摘要： 由于RGB-D传感器本身存在的局限性，其在实际应用中会有深度信息不存在或者不完整的情况，这使得多数依赖于深度信息工作的RGB-D SLAM系统的精度会受到影响.提出了一种融合单目信息的RGB-D SLAM优化方法.通过对深度图像进行分析，从深度信息的存在性、准确性和离散性分别提出三个判断条件，作为选择单目或者RGB-D处理方式的依据.该系统使得用RGB-D相机工作的SLAM系统更具精确性与鲁棒性.最后通过运行数据集将系统与其他SLAM系统进行比较，实验结果验证了本系统的可行性.

关键词: RGB-D SLAM, 单目信息, 融合, 判断机制, 优化

Abstract: Owing to the limitations of RGB-D sensor， there will be some situations where the depth information does not exist or is incomplete in the practical application， which will affect the accuracy of RGB-D SLAM system that mostly depends on the depth information.An RGB-D SLAM optimization method is proposed to fuse monocular information.Through the analysis of depth image， three judging conditions are put forward respectively from the existence， accuracy and discreteness of depth information， which can be used as the basis of the selection of monocular or RGB-D processing mode.This new system makes the SLAM system with RGB-D camera more accurate and robust.Finally， the system is compared with other SLAM systems by running data sets， and the experimental results verify its feasibility.

Key words: RGB-D SLAM, monocular information, fusion, judgment mechanism, optimization

中图分类号:

TP274

马树军，王英蕾，金铁铮，白昕晖. 一种融合单目信息的RGB-D SLAM优化方法[J]. 东北大学学报:自然科学版, 2020, 41(6): 841-846.

MA Shu-jun， WANG Ying-lei， JIN Tie-zheng， BAI Xin-hui. A RGB-D SLAM Optimal Method for Fusing Monocular Information[J]. Journal of Northeastern University Natural Science, 2020, 41(6): 841-846.

参考文献

[1]闵华松，杨杰.融合IMU的RGBD-SLAM算法改进研究［J］.计算机工程与设计，2015(1):120-126.
[2]Khoshelham K.Accuracy analysis of kinect depth data［J］.ISPRS—International Archives of the Photogrammetry，Remote Sensing and Spatial Information Sciences，2011，3812(5):133-138.
[3]Guo C X，Roumeliotis S I.IMU-RGBD camera 3D pose estimation and extrinsic calibration:observability analysis and consistency improvement［C］//IEEE International Conference on Robotics & Automation.Baden，2013:2935-2942.
[4]Chávez A，Karstoft H.Improvement of KinectTM sensor capabilities by fusion with laser sensing data using octree［J］.Sensors，2012，12(4):3868-3878.
[5]Ma S，Bai X，Wang Y，et al.Robust stereo visual-inertial odometry using nonlinear optimization［J］.Sensors，2019，19(17):3747-3762.
[6]Hu G，Huang S，Zhao L，et al.A robust RGB-D SLAM algorithm［C］//IEEE/RSJ International Conference on Intelligent Robots and Systems.Vilamoura，2012:1714-1719.
[7]Mur-Artal R，Montiel J M M，Tardos J D.ORB-SLAM:a versatile and accurate monocular SLAM system［J］.IEEE Transactions on Robotics，2015，31(5):1147-1163.
[8]Mur-Artal R，Tardos J D.ORB-SLAM2:an open-source SLAM system for monocular，stereo，and RGB-D cameras［J］.IEEE Transactions on Robotics，2017，33(5):1255-1262.
[9]Rublee E，Rabaud V，Konolige K，et al.ORB:an efficient alternative to SIFT or SURF［C］//International Conference on Computer Vision.Barcelona，2012:2564-2571.
[10]Sturm J，Engelhard N，Endres F，et al.A benchmark for the evaluation of RGB-D SLAM systems［C］//IEEE/RSJ International Conference on Intelligent Robots and Systems.Vilamoura，2012:573-580.
[15]关守平，房少纯.一种新型的区间-粒子群优化算法［J］.东北大学学报(自然科学版)，2012，33(10):1381-1384.(Guan Shou-ping，Fang Shao-chun.A new interval particle swarm optimization algorithm［J］.Journal of Northeastern University(Natural Science)，2012，33(10):1381-1384.)

[1]	丁其川，王力，刘成. 融合长距离信道注意力与病理特征的肺结节分类[J]. 东北大学学报（自然科学版）, 2023, 44(4): 476-485.
[2]	乔丽苹，卢卫莉，闵忠顺，王者超. 地下水封洞库围岩块体稳定性与支护可靠性分析[J]. 东北大学学报（自然科学版）, 2023, 44(4): 544-550.
[3]	耿蓉，吴亚倩，肖倩倩，徐赛. 基于改进GRU算法的天基信息网资源预测研究[J]. 东北大学学报（自然科学版）, 2023, 44(3): 305-314.
[4]	赵文，孙远，柏谦，夏云朋. 小直径管幕工法横导洞施工现场试验及参数优化[J]. 东北大学学报（自然科学版）, 2023, 44(3): 432-439.
[5]	于茜，刘文刚，刘文宝，彭祥玉. 高硫煤矸石焙烧固硫的Box-Behnken响应面法优化研究[J]. 东北大学学报（自然科学版）, 2023, 44(2): 265-271.
[6]	魏琳扬，郭馨，王存海，李国军. 基于量子微粒群优化算法的半透明介质光学参数反演[J]. 东北大学学报（自然科学版）, 2023, 44(1): 63-69.
[7]	郭凡逸，孙志礼，张胜男，曹汝男. 一种微位移柔顺放大机构的优化设计[J]. 东北大学学报（自然科学版）, 2022, 43(7): 996-1002.
[8]	王述红，魏崴，韩文帅，陈浩. 基于CGWO算法的边坡最小安全系数全局寻优方法[J]. 东北大学学报（自然科学版）, 2022, 43(7): 1033-1042.
[9]	张雪峰，许华文，杨棉子美. 一种基于条件生成对抗网络的高感知图像压缩方法[J]. 东北大学学报（自然科学版）, 2022, 43(6): 783-791.
[10]	黄贤振，孙良仕，丁鹏飞，朱会彬. 基于可靠性的GH4169车削参数优化[J]. 东北大学学报（自然科学版）, 2022, 43(5): 696-702.
[11]	杨爱萍，王朝臣，王建，张腾飞. 基于自适应感知金字塔网络的图像去雨[J]. 东北大学学报（自然科学版）, 2022, 43(4): 470-479.
[12]	于泊明，张兰霞，杨硕，李爽. 组织-员工工作家庭边界融合度匹配对员工工作幸福感及工作繁荣的影响[J]. 东北大学学报（自然科学版）, 2022, 43(3): 448-456.
[13]	顾德英，张松，孟范伟. 基于单目视觉的车辆3D空间检测方法[J]. 东北大学学报（自然科学版）, 2022, 43(3): 328-334.
[14]	金瑾，王鹏. 历史数据驱动的多尺度量子谐振子优化算法[J]. 东北大学学报（自然科学版）, 2022, 43(2): 160-167.
[15]	陈兵，韩烬阳，唐晓垒，夏搏然. 基于机器学习的拉矫延伸率预测模型及数值分析[J]. 东北大学学报（自然科学版）, 2022, 43(2): 236-242.

一种融合单目信息的RGB-D SLAM优化方法

A RGB-D SLAM Optimal Method for Fusing Monocular Information

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价