10、单目 SLAM 中图像检测与描述算法评估-优快云博客

本文链接：https://blog.youkuaiyun.com/data3/article/details/154267301

单目 SLAM 中图像检测与描述算法评估

1. 引言

在移动机器人领域，自主性是一项关键特性，对于在未知环境中做出决策至关重要。同时定位与地图构建（SLAM）技术通过逐步构建度量地图并确定机器人在地图中的位置，解决了描述机器人所在环境及其与环境关系的问题。然而，目前的研究并非适用于所有类型的应用，例如陆地移动六足机器人，这类机器人适合在非结构化环境中导航，对其应用 SLAM 技术的研究尚不够深入。

如今，有多种 SLAM 算法被提出，其中基于人工视觉的 SLAM 是一个主要研究领域，特别是基于扩展卡尔曼滤波（EKF）的单目视觉 SLAM（单目 EKF - SLAM）。在单目 EKF - SLAM 系统中，特征检测信息用于定义图像平面上感兴趣点的像素坐标，特征描述信息则用于兴趣点之间的数据关联。传统的角点检测器（如 Harris、Shi - Tomasi 和 FAST）与图像块描述符的组合计算速度快，但精度不足。

2. 相关工作

目前存在大量用于图像特征检测和描述的算法，对这些算法进行比较研究对于评估它们在 SLAM 系统中的性能至关重要。有三项重要研究值得关注：Gauglitz 等人对视觉定位应用中检测和描述算法的各种组合进行了广泛分析；Gil 等人基于特征在连续图像中出现的重复性和精度，对视觉 SLAM 中的检测器和描述符进行了比较研究，但未考虑 SLAM 固有的不确定性；Klippenstein 和 Zhang 提出了一种使用多种检测器评估 SLAM 系统性能的新方法。