面向室内复杂场景的视觉SLAM技术研究.pdf

面向室内复杂场景的视觉SLAM技术研究

摘要

同时定位与地图构建（SimultaneousLocalizationandMapping，SLAM）技术是室内

移动机器人定位与导航的关键技术，视觉SLAM（VSLAM）采用性价比较高的相机作

为视觉传感器，以感知信息丰富、具有较高的精度与鲁棒性等优点受到广泛关注。然而，

VSLAM在动态物体干扰、纹理不足等室内复杂场景下性能表现不佳。主要原因有：动

态物体所在区域的特征关联不准确；运动的物体导致三维稠密点云地图中出现大量残影；

弱纹理场景中特征信息不足，无法提取到足够数量的特征点。

针对以上问题，本文从特征检测与多特征融合角度出发，旨在提高室内复杂场景下

VSLAM系统的定位精度、鲁棒性和实时性，以及地图可读性。首先，基于轻量化的目

标检测网络，提出一种物体运动信息检验模型，确定动态物体范围，并根据物体动态率

提出动态特征点移除算法，增强特征关联可靠性。然后，针对VSLAM在室内纹理不足

区域存在定位精度和稳定性下降问题，考虑增加较为稳定的线特征作为特征信息补充，

提出多特征融合的VSLAM系统。最后，进一步研究了动态场景下点云地图构建面临的

残影、信息冗余、噪声等问题，提出室内动态场景的三维稠密地图构建方案，以提高地

图可读性。主要研究内容如下：

（1）针对常见的VSLAM系统在动态物体区域内特征关联不准确影响定位的问题，

提出一种目标检测与运动信息检验融合的动态物体检测算法搜索动态物体，并引入物体

动态率，用于度量动态物体的运动状态。根据物体运动状态设计了一种自适应范围动点

移除策略，对图像中的动态特征点进行移除，以消除动态物体影响。实验结果表明，所

提算法在室内动态场景下的定位精度明显优于初始的ORB-SLAM2算法，相比其他动态

VSLAM算法，虽然定位精度仅获得小幅提升，但实时性明显优于对方。

（2）针对基于特征点的VSLAM算法在室内弱纹理场景中特征点不足影响定位的

问题，提出一种基于点线特征融合的多特征VSLAM算法。针对当前主流线特征检测算

法LSD实时性不足的问题，引入计算速度更快的EDlines算法。为提高线特征的鲁棒性

和匹配对的准确性，提出自适应阈值线特征筛选方法以及基于RANSAC的误匹配滤除

算法。最后将点线特征融合，构建基于点线特征的优化函数，进行后端位姿优化等操作。

实验结果表明，所提算法能够较好的克服弱纹理场景影响，与其他点线特征VSLAM算

法相比，所提算法在精度和实时性上都得到一定程度的提升。

（3）针对基于点云的三维稠密地图在动态物体等干扰下出现可读性下降的问题，

哈尔滨工程大学专业学位硕士学位论文

提出通过添加关键帧筛选、动态信息剔除以及点云滤波等环节，对原始点云进行优化。

为去除地图中不必要的细节和减少内存消耗，进一步将点云地图转换成八叉树地图形式

进行更新存储。实验结果表明，所提方法对原始点云中纷杂的残影、噪声等干扰具有显

著地抑制效果，生成能够更好辅助导航与避障以及具有更为轻便存取形式的三维稠密地

图。

关键词：视觉SLAM；目标检测；动态特征点移除；线特征；三维稠密地图

面向室内复杂场景的视觉SLAM技术研究

Abstract

SimultaneousLocalizationandMapping(SLAM)technologyisessentialforindoor

mobilerobotlocalizationandnavigation.VisualSLAM(VSLAM)usesacost-effectivecamera

asavisionsensorandhasgarneredwidespreadattentionforitsrichperceptioninformation,

highaccuracyandrobustness.However,VSLAM’sperformancesuffersincomplexindoor

scene