一种基于模糊图像评价与特征匹配改进的视觉SLAM方法
摘要
针对运动模糊会降低视觉同步定位与制图（SLAM）运行精度的问题，提出了一种基于模糊图像评价与特征匹配改进的视觉SLAM方法。首先，通过分析图像运动模糊的产生原理，基于再模糊理论设计了一种模糊参数，用于表示图像的模糊程度；然后，使用自适应阈值对模糊图像进行删除；最后，在特征匹配环节改进了基于网格的运动统计算法，代替了SLAM常用的特征匹配方法。通过对不同环境的两种开源数据集进行实验与分析，结果表明：1）所设计的模糊参数能够有效表征图像的模糊程度，该方法在标准图像库中的预测图像质量评价分数，与其他算法相比，均方根误差减小了9.3%~12.3%；在KITTI数据集上使用自适应阈值进行模糊图像分类，与其他算法相比，准确率提升了11.0%~17.2%、F1分数提升了22.9%~30.9%。2）改进的特征匹配算法提升了特征匹配的质量，在KITTI数据集上，与常规特征匹配算法相比，内点率提升了11.6%~33.1%、匹配精度提升了30.4%~38.9%、匹配耗时减少了52.8%~55.8%。3）整体方法能减轻运动模糊对视觉SLAM定位的负面影响，与常规视觉SLAM方法相比，该方法在处理长距离复杂线路的图像序列时，平均绝对误差下降了10.4%~26.0%，均方根误差下降了10.0%~27.3%。
引用本文（GB/T 7714）
刘毓 Liu Yu, 焦宇航 Jiao Yuhang, 任超锋 Ren Chaofeng. 一种基于模糊图像评价与特征匹配改进的视觉SLAM方法[J]. Laser & Optoelectronics Progress, 2024.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。