文献类型：期刊文章

作　　者：余洪山[1] 郭丰[1] 郭林峰[1] 王佳龙[1] 付强[1]

Yu Hongshan;Guo Feng;Guo Linfeng;Wang Jialong;Fu Qiang(National Engineering Laboratory of Robot Visual Perception and Control Technology,College of Electrical and Information Engineering,Hunan University,Changsha 410082,China)

机构地区：[1]湖南大学电气与信息工程学院机器人视觉感知与控制技术国家工程实验室,长沙410082

出　　处：《仪器仪表学报》

基　　金：国家自然科学基金(61973106,U1813205);湖南省科技计划重点研发项目(2018GK2021);航空科学基金(201705W1001);郴州市科技计划项目资助。

年　　份：2021

卷　　号：42

期　　号：1

起止页码：116-126

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EAPJ2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：单目视觉惯性SLAM系统通过追踪人工设计的点特征来恢复位姿,如Shi-Tomasi, FAST等。然而光照或视角变化等挑战性场景中人工特征提取鲁棒性差,易导致位姿计算精度低甚至失败。启发于SuperPoint网络在特征提取的强鲁棒性,提出一种基于改进SuperPoint网络的单目VINS系统—CNN-VINS,旨在提升挑战性环境下VINS系统的鲁棒性。主要贡献包括:提出改进SuperPoint特征提取网络,通过动态调整检测阈值实现图像特征点均匀检测和描述,构建鲁棒精确的特征关联信息;将改进SuperPoint特征点提取网络与VINS系统的后端非线性优化、闭环检测模块融合,提出一个完整的单目视觉惯性SLAM系统;对网络的编码层和损失函数优化调整,并验证网络编码层对VINS系统定位精度的影响。在公共评测数据集EuRoc实验结果表明,相比国际公认的VINS-Mono系统,所提系统在光照剧烈变化的挑战性场景中定位精度提升15%;对光照变化缓慢的简单场景,绝对轨迹误差均值保持在0.067~0.069 m。

关 键 词：单目视觉惯性系统  特征提取网络  同时定位与建图 位姿估计 特征编码  

分 类 号：TP242] TH74]