基于视觉的机器人自主定位与导航系统都是利用点特征进行工作,但在弱纹理环境中,无法提取充足的点特征,系统的精度与鲁棒性就会下降。为此,提出了一种弱纹理环境下的视觉惯性里程计优化方法。将点线特征融合,相对于点特征,线特征在弱纹理环境下有较强的鲁棒性,可提供更多的环境几何结构信息,有利于三维地图的构建。为了提高精度,使用紧耦合的方式将相机与IMU采集到的数据融合。利用滑动窗口算法,将IMU预积分后的误差与点线重投影误差,在滑动窗口中用最小化误差函数的方式进行优化。通过EuRoc数据集,将优化后的系统与VINS-Mono系统进行比较。经测试,不同场景中的几组数据的绝对轨迹误差都很小,且均方根误差下降3%左右。验证了算法的精度与鲁棒性。

针对Robocup等比赛中机器人的定位中的视觉特征选取问题,线特征以其抗噪性好,蕴含丰富环境信息的优势获得了人们的青睐。该文针对仿人足球机器人球场比赛定位中的边线特征提取,将整体方案分解为颜色空间映射、可能片段查找、增量式算法拟合三个部分。通过预先学习标定生成的颜色查找表,将原始图像映射成多值图像;之后针对不同颜色对应的不同状态,使用有限状态机方法识别可能属于边线特征的有效片段;使用增量式算法提取出图像中的直线特征,最后增加参数调节来进一步优化特征提取结果,提高直线特征的精度。这一方法不仅可以提取直线特征,同时对于不规则的曲线特征检测,也能够使用近似的线段集合进行拟合。相比于传统方法如Hough变换等,该算法具有算法简单,提取速度快,特征精度高的优点。实验表明,算法的全局定位精度在10cm以内,特征...