基于改进关键帧选择的RGB-D SLAM算法

关键帧选择是提高视觉SLAM(simultaneous localization and mapping)算法精度及实时性的重要因素.关键帧常以图像的帧间相对运动距离为选择依据.该方法虽简单有效,但实时性、鲁棒性较差且容易产生大量冗余关键帧.针对上述问题,提出一种改进的关键帧选择算法.该算法整合了帧间相对运动距离、帧间特征点跟踪以及最小视觉变化来选择关键帧并删除冗余关键帧.基于该算法,结合具有较好方向和光照不变性的ORB(oriented FAST and rotated BRIEF)特征,实现了RGB-D SLAM算法.在RGB-D数据集上的实验表明,改进的关键帧选择算法能够更精准、及时地选择关键帧,并在减少RGB-D SLAM中冗余关键帧的同时提高算法的实时性、建图和定位精度.     

一种基于混合超图的R~2空间知识表示模型

现有的基于一般图论的空间知识表示模型难以反映知识系统的复杂构成和所隐含的组织结构。针对这一问题,引入混合超图(Hybrid hypergraph)的思想,提出一种基于混合超图的空间知识表示模型,用来组织规模巨大、连接复杂多样且具有嵌套特性的空间知识网络。该模型用混合超图的超边来表示多元空间关系。对基本的二元区域拓扑关系进行扩展,提出了多元的超拓扑关系来定性地描述多个空间对象间的分离、相连和包含等。以超拓扑关系为例,通过对一个小型环境的表述,说明了基于混合超图的空间知识表示模型的应用,为复杂空间知识的表示、组织和分析提供了一种新的工具和思路。     

动态环境下基于GNG网络的拓扑地图创建

动态障碍物的存在导致产生不一致的环境地图,为此设计了一种新的拓扑地图创建方法。该方法首先通过概率方法过滤运动障碍物的干扰信息,获得环境可行区域信息,再将可行区域信息作为GNG算法的输入空间,通过学习与不断增加新的拓扑节点,创建一致的环境拓扑地图。该方法具有自学习、自适应等特点。通过仿真与物理实验验证了其可行性与有效性。