微型飛行器（MAV）是機(jī)器人技術(shù)中一個(gè)快速發(fā)展的研究和開發(fā)領(lǐng)域。對于自主機(jī)器人操作，定位通常使用GPS、外部攝像機(jī)陣列或車載范圍或攝像頭視覺傳感進(jìn)行計(jì)算。在雜亂的室內(nèi)或室外環(huán)境中，車載傳感是唯一可行的選擇。在本文中，我們提出了一種僅使用低質(zhì)量視覺的基于外觀的飛行MAV視覺SLAM方法。我們的方法包括一個(gè)對1000像素圖像干擾器進(jìn)行操作的視覺位置識(shí)別算法、一個(gè)輕量級視覺里程算法和一個(gè)視覺期望算法。
該算法提高了位置序列的召回率以及機(jī)器人沿相似路徑飛行時(shí)召回位置序列的精度。使用從室外數(shù)據(jù)集收集的數(shù)據(jù)，我們表明該監(jiān)控系統(tǒng)能夠?qū)Φ唾|(zhì)量、間歇性的視覺感覺數(shù)據(jù)進(jìn)行視覺識(shí)別。通過將視覺算法與RatSLAM系統(tǒng)相結(jié)合，我們還演示了算法如何實(shí)現(xiàn)成功的SLAM。根據(jù)消失點(diǎn)方向分組的人造環(huán)境中的邊緣提供了單視圖屏蔽器約束，這些約束以前曾被用作場景理解和相機(jī)校準(zhǔn)的先驅(qū)。考夫蘭和尤耶在《曼哈頓世界》的論文中提出了一種貝葉斯邊緣分組方法，他們假設(shè)場景中存在三個(gè)相互正交的消失方向。
我們以幾種重要的方式擴(kuò)展了考夫蘭和尤耶的工作思路。我們建議使用期望最大化（EM）監(jiān)控?cái)z像頭算法對影響場景中消失點(diǎn)位置的所有連續(xù)參數(shù)進(jìn)行搜索。由于EM在高維空間中表現(xiàn)良好，因此我們的方法可以優(yōu)化比以前用于此任務(wù)的窮舉和隨機(jī)算法多得多的參數(shù)。除其他外，這使我們能夠在多組正交消失方向上進(jìn)行優(yōu)化，每個(gè)正交消失方向都會(huì)產(chǎn)生一個(gè)額外的自由度。EM也非常適合于圖像序列和/或移動(dòng)機(jī)器人所需的遞歸估計(jì)。我們在“亞特蘭大世界”的圖像上給出了實(shí)驗(yàn)結(jié)果，該圖像干擾屏蔽器是具有多個(gè)正交邊緣組的復(fù)雜城市場景，驗(yàn)證了我們的方法。我們還展示了移動(dòng)機(jī)器人上連續(xù)相對方位估計(jì)的結(jié)果。
該算法提高了位置序列的召回率以及機(jī)器人沿相似路徑飛行時(shí)召回位置序列的精度。使用從室外數(shù)據(jù)集收集的數(shù)據(jù)，我們表明該監(jiān)控系統(tǒng)能夠?qū)Φ唾|(zhì)量、間歇性的視覺感覺數(shù)據(jù)進(jìn)行視覺識(shí)別。通過將視覺算法與RatSLAM系統(tǒng)相結(jié)合，我們還演示了算法如何實(shí)現(xiàn)成功的SLAM。根據(jù)消失點(diǎn)方向分組的人造環(huán)境中的邊緣提供了單視圖屏蔽器約束，這些約束以前曾被用作場景理解和相機(jī)校準(zhǔn)的先驅(qū)。考夫蘭和尤耶在《曼哈頓世界》的論文中提出了一種貝葉斯邊緣分組方法，他們假設(shè)場景中存在三個(gè)相互正交的消失方向。
我們以幾種重要的方式擴(kuò)展了考夫蘭和尤耶的工作思路。我們建議使用期望最大化（EM）監(jiān)控?cái)z像頭算法對影響場景中消失點(diǎn)位置的所有連續(xù)參數(shù)進(jìn)行搜索。由于EM在高維空間中表現(xiàn)良好，因此我們的方法可以優(yōu)化比以前用于此任務(wù)的窮舉和隨機(jī)算法多得多的參數(shù)。除其他外，這使我們能夠在多組正交消失方向上進(jìn)行優(yōu)化，每個(gè)正交消失方向都會(huì)產(chǎn)生一個(gè)額外的自由度。EM也非常適合于圖像序列和/或移動(dòng)機(jī)器人所需的遞歸估計(jì)。我們在“亞特蘭大世界”的圖像上給出了實(shí)驗(yàn)結(jié)果，該圖像干擾屏蔽器是具有多個(gè)正交邊緣組的復(fù)雜城市場景，驗(yàn)證了我們的方法。我們還展示了移動(dòng)機(jī)器人上連續(xù)相對方位估計(jì)的結(jié)果。
