摘要

对于同步定位与建图(SLAM)中主流的特征点法来说,特征匹配是估计相机运动的关键一步,但由于图像特征的局部特性,误匹配的情况广泛存在,目前已经成为视觉SLAM中的一大瓶颈。另外,特征点法生成的稀疏地图只能用于定位,无法满足更高层次的需求。针对ORB-SLAM3中ORB特征点匹配效率低的问题和未能生成稠密地图的问题,提出一种改进的ORB-GMS匹配策略并在ORB-SLAM3系统中加入稠密点云构建线程来实现稠密建图。首先,将运动平滑性约束作为特征点运动统计的方法,通过比较特征点邻域内的匹配数量和阈值来快速判断当前匹配正确与否,并且网格化图片来进行快速运算;然后进行相机的位姿估计;最后根据关键帧与相应位姿进行稠密点云地图的构建,并且采用外点去除滤波和体素网格滤波来减小点云规模。在TUM的RGB-D数据集上进行实验,结果表明该方法可以减少约50%的匹配耗时,同时在匹配数量上平均提升60%,并且定位平均误差降低了32%,与同类型算法相比,改进方法在总体上表现最佳;另外,与稀疏地图相比,该方法生成了易于二次加工的稠密点云地图,扩大了算法的使用场景。

全文