典型文献
点线特征融合的双目视觉SLAM算法
文献摘要：
在低纹理场景中,基于点特征的同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)算法很难追踪足够多的有效特征点,系统甚至无法正常工作.众所周知,丰富的线段特征存在在人造结构化环境中的地面与墙面交界处.因此,提出一种点线特征融合的双目视觉SLAM算法.在特征提取前,引入梯度密度滤波器加速线特征提取和提高线匹配的准确度,在特征点匹配阶段,采用渐进采样一致性(Progressive Sampling Consensus,PROSAC)算法剔除误匹配点,从而提高定位精度.此外,在特征的融合过程中引入加权思想.在构造误差函数时对点线特征权重进行合理分配.最后,通过在公开的数据集上得到的仿真并与一些优秀的算法进行对比,该算法性能优于PL-SLAM和LSD-SLAM算法,证明了算法的有效性和准确性.
文献关键词：
机器视觉;视觉SLAM;梯度密度滤波器;点线特征权重;PROSAC算法
中图分类号：
作者姓名：
陶交;范馨月;周非
作者机构：
重庆邮电大学通信与信息工程学院,重庆400065;重庆邮电大学光通信与网络重点实验室,重庆400065;厅市共建智能终端四川省重点实验室,四川宜宾644000
文献出处：
引用格式：
[1]陶交;范馨月;周非-.点线特征融合的双目视觉SLAM算法)[J].小型微型计算机系统,2022(06):1191-1196
A类：
梯度密度滤波器,点线特征权重
B类：
点线特征融合,双目视觉,SLAM,点特征,同时定位与地图构建,Simultaneous,Localization,Mapping,难追踪,有效特征,众所周知,线段,人造,墙面,面交,交界处,线特征提取,高线,特征点匹配,Progressive,Sampling,Consensus,PROSAC,误匹配,定位精度,误差函数,合理分配,上得,算法性能,PL,LSD,机器视觉
AB值：
0.34485
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
