移动机器人可替代或辅助人类的生产和生活,并深入复杂或危险的环境,需随时感知周围场景。传统的ORB-SLAM2方法在动态场景中定位不准确,由此提出一种动态场景感知下的移动机器人视觉定位与建图方法。SLAM方法通过光学传感器采集环境信息完成建图,以ORB-SLAM2作为基本框架,在其跟踪线程中添加一个动态目标检测模块,该模块采用YOLOv4网络检测目标,使用的CSPDarknet53结构在减轻骨干网络权重的同时保持检测准确性;采用改进四叉树算法提取特征,并采用改进型形状上下文的图像匹配方法完成特征匹配。在TUM RGB-D数据集上进行实验,所提算法在walking_xyz场景序列的RMSE相对ORB-SLAM2算法增加97.6%,walking_rpy场景序列的RTE和RRE分别改进97.1%和96%。比较所提算法与ORB-SLAM2算法在高、低动态场景中的客观指标和估计轨迹误差,所提算法的RMSE、均值、中间值以及性能提升的改...

目标部分遮挡或缺失是计算机视觉应用到制造业中经常遇到的问题。对现实生产中工件间遮挡的图像匹配问题进行研究,提出了小波变换和Shi-Tomasi角点检测相结合的算法。对小波分解后的低频图像进行特征点提取,舍弃图像的高频成分,有效降低噪声对图像的影响。选用常见的法兰盘作为实验对象,在多种环境下验证文中算法的可行性,最后用RANSAC算法消除误匹配。匹配结果表明,该算法不仅可以减少遮挡工件匹配的计算量,去除伪角点,加快识别速度,而且在噪声干扰、旋转、尺度变化等条件下也有较好的匹配效果。