使用视觉冲击结合循环关闭检测算法来准确定位室内高度相似的场景
Zhuoheng Xiang1,2, Jiaxi Guo1, Jin Meng2
1Changchun University of Science and Technology, School of Optoelectronic Engineering, Changchun, Jilin, China.
PloS one
|January 8, 2025
概括
本研究介绍了使用深度学习进行改进的视觉SLAM循环关闭检测算法,用于在复杂的室内环境中改进机器人本地化. 新方法在视觉上类似的场景中显著提高了准确性,超过了现有的技术.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 准确的机器人定位对于室内自动化至关重要.
- 传统的视觉SLAM在视觉上类似的环境中与本地化准确性作斗争.
- 现有的方法在复杂的室内环境中经常失败.
研究的目的:
- 开发一个改进的视觉SLAM循环关闭检测算法.
- 为了提高高相似度室内场景的定位精度.
- 为了解决传统视觉SLAM技术的局限性.
主要方法:
- 将深度学习技术集成到视觉SLAM循环关闭检测中.
- 使用TUM f3 loh,Lip6 Indoor和Bicocca Indoor数据集进行实验评估.
- 与ORB-SLAM等传统方法进行比较2.
主要成果:
- 拟议的算法实现了66.67% (TUM f3 loh),72.72% (Lip6室内) 和80.00% (Bicocca室内) 的检测准确率.
- 与ORB-SLAM2.2相比,其准确度大约提高了18%.
- 与ORB-SLAM2的0.1341m相比,在Bicocca室内数据集上实现了0.0816m的显著较低的RMSE.
- 通过改进的特征提取和匹配,减少了不匹配.
结论:
- 深度学习集成的视觉SLAM算法在视觉上类似的室内环境中显著提高了定位准确性.
- 该方法提高了智能机器人和室内导航的系统实用性和适应性.
- 这项工作为视觉SLAM开发提供了一个新的方向,具有相当大的应用潜力.


