基于贝叶斯定理的室内动态定位算法
同时定位和建图系统被提出用于估计机器人姿态和重建周围环境的三维地图。由于大多数现有的同步定位与建图系统依赖于静态世界假设,在动态环境中运行机器人可靠性降低。针对机器人在动态世界环境下的有效特征点提取不足而导致定位精度降低的问题。本文提出了一种基于贝叶斯的视觉SLAM,将原始的图像输入YOLO-V3网络中进行语义分割后,将得到数据分别输入到改进的几何约束和语义分割线程中进行概率计算,通过二项式逻辑回归计算概率,将两者作为先验值输入到贝叶斯定理中。通过不断更新的特征点概率值以确认特征点所在的区域,建立特征点匹配点对集,以此降低点对集离群值概率,从而提高定位精度。运用TUM RGB-D数据集中高动态环境、低动态环境两种不同情况的环境进行对比实验。本文算法将高动态环境、低动态环境的定位效果与原始ORB-SLAM2算法进行了对比,本文算法有更低的定位误差,性能比原始ORB-SLAM2提高了百分之九十以上,定位误差与DynaSLAM、DS-SLAM等主流算法相差无几,实验证明可以本文算法满足动态环境下的定位要求。
动态环境 几何约束 机器人 贝叶斯定理
莫钊 郭杭
南昌大学信息工程学院,南昌,中国,330000
国内会议
北京
中文
1-7
2022-12-01（万方平台首次上网日期，不代表论文的发表时间）