(1)视觉SLAM系统基础框架选择与性能分析。通过对经典视觉SLAM方案对比分析,选择0RB-SLAM2作为本文研究的基础方案,并对该方案进行动态环境性能测试与分析,获得该方案在动态环境下的性能特点。
(2)提出了动态环境视觉SLAM系统前端改进方案。通过在系统前端增加运动物体识别模块、运动特征检测模块和外点判断与去除模块,使系统能够有效处理环境中的运动物体。运动物体识别模块采用图像分割网络MaskR-CNN对图像进行实例分割,获得可运动物体的语义信息。在运动特征检测模块中,本文提出了基于对极约束的对称转移极线距离运动特征检测算法进行运动点检测。在外点判断与去除模块中设定了外点判断与去除机制,消除运动物体的影响。实验表明了该方案的有效性。
(3)实现了环境稠密地图的构建。本文利用视觉SLAM系统前端获得的关键帧与相机位姿信息,构建环境的稠密点云地图和八叉树地图。实验表明,稠密点云地图具有较好的可视化效果;八叉树地图能够提供空间是否被物体占据的信息,并且具有分辨率可调、占存储空间小等优点。
(4)视觉SLAM系统在智能车上的应用研究。将视觉SLAM系统应用于实
验室智能车上,测试在实际环境中的运行性能。实验表明本文视觉SLAM系统
在实验室环境下能够有效处理运动物体,并能构建环境的稠密地图。