PLP-SLAM:基于点、线、面特征融合的视觉SLAM方法
PLP-SLAM:基于点、线、面特征融合的视觉SLAM方法PLP-SLAM:基于点、线、面特征融合的视觉SLAM方法
李海丰1,2, 胡遵河1, 陈新伟2
1. 中国民航大学计算机科学与技术学院, 天津 300300;
2. 福建省信息处理与智能控制重点实验室(闽江学院), 福建 福州 350121
PLP-SLAM: A Visual SLAM Method Based on Point-Line-Plane Feature Fusion
LI Haifeng1,2, HU Zunhe1, CHEN Xinwei2
1. College of Computer Science and Technology, Civil Aviation University of China, Tianjin 300300, China;
2. Fujian Provincial Key Laboratory of Information Processing and Intelligent Control(Minjiang University), Fuzhou 350121, China
全文: PDF (1473 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)
摘要 基于点特征的视觉SLAM（同时定位与地图构建）算法存在计算量大、环境存储空间负荷高、定位误差较大的问题，为此，提出了一种基于点、线段、平面特征融合的视觉SLAM算法—PLP-SLAM．在扩展卡尔曼滤波（EKF）框架下，首先利用点特征估计机器人当前位姿，然后构建了基于点、线、平面特征的观测模型，最后建立了带平面约束的线段特征数据关联方法及系统状态更新模型，并利用线段和平面特征描述环境信息．在公开数据集上进行了实验，结果表明，本文PLP-SLAM算法能够成功完成SLAM任务，平均定位误差为2.3 m，优于基于点特征的SLAM方法，并通过基于不同特征的SLAM实验表明了本文提出的点、线、面特征融合的优越性．
关键词 ： 同时定位与地图构建,点线面特征融合,扩展卡尔曼滤波,线段特征,平面特征
Abstract：To reduce the computation and memory cost, and improve the localization accuracy of point-based visual simultaneous localization and mapping (SLAM) methods, a novel visual SLAM algorithm, named PLP-SLAM, is proposed by fusing the point, line segment and plane features. Under the EKF (extended Kalman filter) framework, the current robot pose is estimated using the point features firstly. Then, the observation models of point, line segment and plane are set up. Finally, the data association of line segments and state-updating models with plane constraints are formulated, and the unknown environment is described by line segment and plane feature map. The experiments are carried out on a public dataset, and the results show that the proposed PLP-SLAM can accomplish the SLAM task with a mean localization error of 2.3 m, which is better than the point-based SLAM method. Furthermore, the SLAM experiment results with different feature combinations illustrate the superiority of the proposed point-line-plane feature fusion.
Key words： simultaneous localization and mapping point-line-plane feature fusion extended Kalman filter line segment feature plane feature
收稿日期: 2016-12-05 出版日期: 2017-02-15
1:TP242
基金资助:国家自然科学基金（61305107，U1333109）；天津市应用基础与前沿技术研究计划重点项目（14JCZDJC32500）；中央高校基本科研业务费（3122016B006）；福建省信息处理与智能控制重点实验室开放课题（MJUKF201732）；福建省科技厅引导性课题（2015H0031）
通讯作者: 陈新伟,chenxw_mju@126.com E-mail: chenxw_mju@126.com
作者简介: 李海丰(1984-),男,博士,讲师,硕士生导师.研究领域:计算机视觉,机器人导航.
胡遵河(1990-),男,硕士生.研究领域:移动机器人视觉SLAM.
陈新伟(1984-),男,博士,讲师.研究领域:智能机器人控制.
引用本文:
李海丰, 胡遵河, 陈新伟. PLP-SLAM:基于点、线、面特征融合的视觉SLAM方法. 机器人, 2017, 39(2): 214-220.
LI Haifeng, HU Zunhe, CHEN Xinwei. PLP-SLAM: A Visual SLAM Method Based on Point-Line-Plane Feature Fusion. ROBOT, 2017, 39(2): 214-220.
链接本文:
http://robot.sia.cn/CN/10.13973/j.cnki.robot.2017.0214 或 http://robot.sia.cn/CN/Y2017/V39/I2/214
页:
[1]