基于改进ORB-SLAM2的单目视觉算法

【目的】视觉SLAM算法受光照强弱或低纹理等场景的影响,导致产生特征提取鲁棒性差、位姿计算精度低等问题,为解决上述问题展开针对性研究。【方法】研究团队提出基于改进ORB-SLAM2的SuperPoint-SLAM算法模型,将ORBSLAM中的特征匹配模块替换成基于SuperPoint网络的特征匹配,并据此进行特征跟踪、局部建图、关键帧识别、回环检测、位姿估计。将改进后SLAM算法与ORB-SLAM2算法分别在freiburg3＿sitting＿xyz与freiburg3＿walking＿xyz＿validation两个数据集进行训练验证。【结果】SuperPoint-SLAM算法在动态环境中具有比ORB-SLAM2更高的定位精度,在特征点提取数量上提升近50%,轨迹误差减少0.008 m,而且在强弱光照条件下,基于SuperPoint网络的单目SLAM相较ORB-SLAM2有更强的鲁棒性。【结论】研究团队将利用Kinect2.0,基于SuperPoint与ORB-SLAM2,进一步进行稠密地图构建,实现机器人导航。     

基于AprilTag的视觉二次定位

移动机器人使用激光SLAM建图并导航之后,往往会因为地图的误差和移动机器人本身硬件的误差,导航结束时移动机器人的位置与目标点还有一段距离.针对这个问题,研究小组提出了一种基于AprilTag识别的二次定位方法,在目标点地面贴上AprilTag的标志,当移动机器人导航结束时,开启摄像头识别AprilTag并计算移动机器人...     

局部损失系数数值仿真研究

局部损失系数是管道内压力损失的重要系数,课题组首先应用计算流体动力学(CFD)数值仿真方法,研究了不同方管直径、曲率半径比和弯管角度下共168种不同情况下的局部损失系数,利用最小二乘法制成曲线,并获得局部损失系数的计算公式;其次,利用数值模拟获得冷板的压力损失;最后,利用流体力学理论和局部损失系数计算公式,计算冷板的压...