研究目的
提出一种基于视觉的月球车同时定位与建图方法,以解决月球探测中的定位问题,重点在不依赖月球车运动先验知识的情况下改进特征提取和位姿估计。
研究成果
提出的基于视觉的SLAM方法通过提升特征提取一致性和位姿估计精度,有效解决了月球车定位问题。实验结果表明跟踪丢失率降低且定位精度高,误差保持在0.03米至0.04米之间。该方法不仅适用于月球探测等通用环境,但需进一步优化以减少漂移并增强动态场景下的鲁棒性。
研究不足
该方法可能受到月球表面图像纹理稀少的影响,导致特征提取存在潜在问题。随时间累积的漂移会增加定位误差。算法在高度动态环境或快速运动情况下的性能尚未得到充分解决。
1:实验设计与方法选择:
该方法采用多视图几何与捆绑调整优化技术进行相机位姿估计和三维地标重建。设计了一种基于网格的特征提取方法以确保特征分布均匀并提高匹配精度,在特征提取与匹配过程中运用了加速策略。
2:样本选择与数据来源:
实验使用嫦娥三号月球任务图像(具体为玉兔号月球车数据集)及公开TUM数据集(序列fr2_large_with_loop)进行验证。
3:实验设备与材料清单:
使用相机获取代表月球车运动的图像,计算设备包括用于实时处理的计算机。
4:实验流程与操作步骤:
包括采用网格法ORB特征提取、基于词袋模型的特征匹配、通过外极几何进行初始位姿估计、利用捆绑调整优化位姿、采用EPnP算法重定位,以及通过三角测量与点云全局优化实现建图。
5:数据分析方法:
通过将估计轨迹与真实数据对比进行误差分析(采用绝对误差计算),根据定位精度与计算效率评估性能。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容