原文链接
复杂环境下视觉SLAM闭环检测方法综述
-
本文针对复杂环境下视觉SLAM闭环检测的3个主要问题:场景描述、决策模型和闭环检测性能评价展开综述;
-
与激光SLAM相比,视觉SLAM具有感知能力和重定位能力更强、安装方式多元化、更加廉价等优势;
-
场景描述方法主要包括:局部特征描述子、全局描述子、局部区域的全局描述子、结合深度信息的场景描述、场景的时变描述;
- 局部特征描述子是指以特征点为中心生成的图像局部区域描述;
- SIFT特征提取算法是目前广为使用的一种图像特征算法,对尺度、旋转和光照都具有一定的不变性,存在的问题是其特征点的提取和描述子的计算非常耗时;
- SURF算法、ORB算法大多以牺牲性能为代价来提高效率;
- 基于局部特征描述子的闭环检测技术能够在SLAM系统中实时运行的一项关键技术是视觉词袋模型;
- 由于视觉词汇都是预训练的,在不同场景下的泛化能力是一个很重要的问题。除了增加词汇数量的方法外,还可以根据观测模型信息进行在线更新词汇,这种方法不需要对视觉词汇进行预训练,从而获得了对环境的自适应能力;
- 局部特征描述子是指以特征点为中心生成的图像局部区域描述;