关键词:
ORB特征点
前端优化
特征点提取和匹配
实时性
SLAM
摘要:
针对ORB-SLAM3中ORB特征点匹配准确率低的问题,本文提出了一种改进的特征点匹配策略。首先,考虑到特征点提取与匹配会受到场景昏暗与对比度太低的影响,对昏暗的场景数据集进行对比度增强和去噪。其次,为了提高特征点匹配的数量及速度,将运动平滑性约束作为去除特征点错误匹配的依据,舍弃旋转不变性和尺度不变性并将图片转换为3×3网格来加速运算。最后,为了提高特征匹配的精度,考虑距离与置信度之间的关系,通过计算特征点邻域内的匹配数量,与设定的阈值进行对比,筛选出正确的特征匹配,之后再进行相机的位姿估计等视觉里程计算,估计出相机的移动路径。通过实验分析,该方法能够提高约72.8%的正确特征点匹配数量,并比原本的匹配时间减少约9%。在对RGB-D数据集和Euroc数据集进行实验后,面对昏暗的数据集,定位精度分别提升约21.20%和63.67%。与其他对比方法相比较,该方法不仅增强了系统的处理速度和鲁棒性,也使平均定位精度有所提升。