面向低成本全向机器人高性能SfM三维稀疏地图优化方法.pdfVIP

面向低成本全向机器人高性能SfM的改进3D稀疏地图

⋆†⋄†‡

佩德罗·卡韦斯塔尼，安东尼奥·L·，安贝托·巴贝拉，托比·P·布雷肯克兰菲尔德大

⋆†‡⋄

学{英国克兰菲尔德，西班牙，英国达勒姆}，超铀元素联合，意大利

我们考虑使用低成本全向平台进行三维地图构建和自定位。这

些机器人特别允许围绕轴在平面内进行旋动，且位移

可忽略不计。此外，该平台典型的低分辨率和压缩图像导致高

图像噪声水平（σ∽10）。我们观察到在窄图像间基线上的

高度稀疏的图像特征匹配。这种特殊配置对对极几何提取和精

确三维点三角化提出了，而的恢复结构正是

基于这些要素。我们提出了一种新颖的特征过滤和技术，

通过一种管理特征束的新方法来解决这些问题。噪声匹配被高

效剔除，剩余图像特征的稀缺性也得到了充分克服，从而生成

包含高精度鲁棒三维图像特征的密集地图。在使用低成本

机器人进行的实验中，该方法在各种场景下均展示了其有效性。

(a)(b)

图1：a）全向Rovio机器人及其全向轮细节；b）全向机器人平

台的可能方向。

索引术语—恢复结构，移动机器人，全向，噪声，特征滤

波本文描述了一种顺序SfM系统，通过特定的点过滤策略以

及一种基于三维点与其在输入视图中检测到的图像特征束之间

1.引言关系的新型抗噪特征方法，解决了上述问题。通过增加地

图中三维特征的数量和精度，重建过程变得更加鲁棒。

随着全向移动机器人[1,2]的机动性提升，复杂环境中的移动导

航研究得到了显著发展。一个全向移动机器人平台拥有的执行我们高效地管理束集，并提出了合适的滤波方法，以优化

器数量与其自由度相同。以轮式机器人为例，它具有三个自由将新特征添加到束集以及通过特征匹配实现束集之间的合并。

度（两个正常方向和一个旋转角度），因此需要三个执行器才此外，我们开发了特定的方法，以稳健地应对此类全向平台中

能实现全向移动。具体到我们的工作中，这种配置是通过三个典型的噪声水平。

独立控制的实现的，这些能够几乎无摩擦地沿其位移我们评估了这些技术，并在低成本全向机器人上实现了高度

轴的垂直方向移动。这种设计的典型代表是全向轮（图1a）。稳健且准确的重建结果，测试涵盖了多种不同环境，在噪声较大、

这种设计所的机动性使全向机器人能够原地转向，并能保特征稀疏的匹配条件下，以及在该类平台中常见的频繁窄基线配

持其方向的同时横向或对角移动（图1b）。这种全向平台通常置情况下均表现良好。这些结果在该配置下了领域内可比的技

具备广泛的机动性特征，适用于多种应