基于改进SIFT算法的双目视觉SLAM研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (14): 170-173.

• 图形、图像、模式识别 • 上一篇下一篇

基于改进SIFT算法的双目视觉SLAM研究

朱代先1，王晓华2

1.西安科技大学通信与信息工程学院，西安 710054
2.西安工程大学电信学院，西安 710048

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-05-11 发布日期:2011-05-11

Research of Binocular vision SLAM algorithm based on improved SIFT

ZHU Daixian1，WANG Xiaohua2

1.Communication and Information Engineering College，Xidian University，Xi’an 710054，China
2.College of Electronics and Information，Xi’an Polytechnic University，Xi’an 710048，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-05-11 Published:2011-05-11

摘要/Abstract

摘要： SIFT算法通常用于移动机器人视觉S LAM中。但其算法复杂、计算时间长，影响视觉SLAM的性能。在两方面对SIFT改进：一是用街区距离与棋盘距离的线性组合作为相似性度量;二是采用部分特征方法完成快速匹配。应用扩展卡尔曼滤波器融合SIFT特征信息与机器人位姿信息完成SLAM。仿真实验表明，在未知室内环境下，该算法运行时间短，定位精度高。

关键词: 尺度不变特征变换（SLAM）, 同步定位与地图构建（SIFT）, 双目视觉, 扩展卡尔曼滤波

Abstract: Scale Invariant Feature Transform（SIFT） algorithm is used in mobile robot Simultaneous Localization and Mapping（SLAM） based on visual information.but this algorithm is complicated and computation time is long.Two improvements are introduced to optimize its performance.The linear combination of cityblock distance and chessboard distance is comparability measurement;Some partial features are used to matching.SLAM is completed by fusing the information of SIFT features and robot information with EKF.The simulation experiment indicate that the proposed method reduce computational complexity，and with high localization precision in indoor environments.

Key words: Simultaneous Localization and Mapping（SLAM）, Scale Invariant Feature Transform（SIFT）, binocular vision, extended Kalman filter

朱代先1，王晓华2. 基于改进SIFT算法的双目视觉SLAM研究[J]. 计算机工程与应用, 2011, 47(14): 170-173.

ZHU Daixian1，WANG Xiaohua2. Research of Binocular vision SLAM algorithm based on improved SIFT[J]. Computer Engineering and Applications, 2011, 47(14): 170-173.

[1]	潘卫华，杜旭. 基于改进自适应权重的三边滤波立体匹配算法[J]. 计算机工程与应用, 2020, 56(18): 186-192.
[2]	洪濡，胡广地，李雨生，姚克狄. 分布式汽车驱动力能量效率优化分配控制[J]. 计算机工程与应用, 2019, 55(2): 246-252.
[3]	马龙，孙铭泽，黄超，裴昕，周航，张鸿燕. 基于强相似点检测快速双目立体匹配算法[J]. 计算机工程与应用, 2018, 54(6): 193-197.
[4]	郭文县1，高晨曦2，张智1，张磊1. 基于特征稀疏策略的室内机器人SLAM研究[J]. 计算机工程与应用, 2017, 53(16): 110-115.
[5]	于仲安，简俊鹏，刘莹. 基于SOC的锂离子电池组均衡控制[J]. 计算机工程与应用, 2016, 52(8): 261-265.
[6]	杨鹏生1，吴晓军1，2，张玉梅1，2. 改进扩展卡尔曼滤波算法的目标跟踪算法[J]. 计算机工程与应用, 2016, 52(5): 71-74.
[7]	张奕然，郭承军，牛瑞朝. 智能车双目视觉辅助GNSS定位方法研究[J]. 计算机工程与应用, 2016, 52(17): 192-197.
[8]	马凌1，蒋外文2，张肖霞3. 基于改进扩展卡尔曼滤波的单站无源定位算法[J]. 计算机工程与应用, 2016, 52(10): 124-127.
[9]	王天涛1，赵永国2，常发亮1. 基于视觉传感器的障碍物检测[J]. 计算机工程与应用, 2015, 51(4): 180-183.
[10]	朱文超，许德章. 六维力传感器下E膜小生境野草EKF滤波研究[J]. 计算机工程与应用, 2015, 51(18): 62-68.
[11]	张梁，徐锦法. 基于双目视觉的无人飞行器目标跟踪与定位[J]. 计算机工程与应用, 2014, 50(24): 27-31.
[12]	刘卫东1，2，刘洋1，高立娥1，2. 基于凸组合和Bar-Shalom-Campo的航迹融合算法研究[J]. 计算机工程与应用, 2014, 50(2): 49-53.
[13]	桑森，田国会，段朋，吴皓. 智能空间下基于异质传感信息融合的目标跟踪[J]. 计算机工程与应用, 2014, 50(16): 48-53.
[14]	周彦，欧阳宁烽，盛权，胡岚. LOS/NLOS环境中融合TOA与RSSI的IMM目标跟踪[J]. 计算机工程与应用, 2013, 49(22): 55-58.
[15]	王民，刘伟光. 基于改进SIFT特征的双目图像匹配算法[J]. 计算机工程与应用, 2013, 49(2): 203-206.

基于改进SIFT算法的双目视觉SLAM研究

Research of Binocular vision SLAM algorithm based on improved SIFT

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics