2026《动态场景下的视觉SLAM系统测试案例》4100字.docxVIP

动态场景下的视觉SLAM系统测试案例

目录

TOC\o1-3\h\u18296动态场景下的视觉SLAM系统测试案例 1

64681.1测试数据集 1

65831.3.2算法运行时间 6

192081.3建图性能评估 6

在SLAM系统运行过程中，如果有运动物体进入相机视野，会极大地影响相机的姿态估计，且动态的物体也不利于后续地图的建立与更新。因此，在本节中对算法在动态环境下的鲁棒性进行测试。

1.1测试数据集

本次测试主要在TUM数据集上进行测试。TUM数据集是用于评估SLAM算法性能的经典RGB-D数据集，被广泛用于测试SLAM算法在动态环境下的定位准确性和鲁棒性。TUM数据集由德国慕尼黑大学公布，采用kinect相机在不同室内场景下采集到多个相机序列构成的数据集。如图1.6所示数据集中包含RGB图像深度图像以及相机的轨迹与姿态。相机地位姿由高速运动捕捉系统确定，以确保数值的准确性，利用该值，可以很方便地评估SLAM系统定位的准确性。

图1.6TUM数据集中的RGB图以及深度图

本文在TUM数据集上进行了两类场景的测试，即高动态场景和低动态场景。在高动态场景中，人在场景中持续行走，因此，以下将高动态场景简称为W（walking）；在低动态场景中，人坐在椅子上，没有明显的动作，因此，以下将低动态场景简称为S（sitting）。每个场景都包含四种不同的摄像机运动轨迹，分别是halfsphere、rpy、static和xyz。在halfsphere(以下简称hs)轨迹中，相机沿着半球运动；在rpy轨迹中，相机进行摇摆、俯仰运动；在static（以下简称s）轨迹中，相机的位置几乎没有变化；在xyz轨迹中，摄像头沿着x、y和z轴运动。

1.2定位性能评估

本文使用绝对轨迹误差（AbsoluteTrajectoryError，ATE）和相对姿态误差（RelativePoseError，RPE）来评估算法在定位上的性能。为了更好地反映SLAM系统的鲁棒性，采用平均值、中位数、标准差（StandardDeviation，SD）和均方根误差（RootMeanSquareError，RMSE）作为评价指标。其中，均值和中位数可以更直观地显示误差的整体情况，而标准差可以更好地反映系统的稳定性，RMSE对异常值比较敏感，可以反映系统的鲁棒性。表1.4为轨迹绝对误差，表1.5为RPE的平移误差，表1.6为RPE的旋转误差。

表1.4绝对轨迹误差

序列

绝对轨迹误差/m

性能提升百分比/%

ORB-SLAM2

本文算法

平均数

中位数

SD

RMSE

平均数

中位数

SD

RMSE

平均数

中位数

SD

RMSE

W-hs

0.5999

0.5663

0.3297

0.6845

0.0217

0.0184

0.0136

0.0256

96.4

96.8

91.9

96.3

W-rpy

0.6862

0.6233

0.4087

0.7991

0.0259

0.0205

0.0194

0.0324

96.2

96.7

91.3

91.9

W-static

0.2876

0.2459

0.1339

0.3173

0.0059

0.0054

0.0031

0.0067

97.9

97.8

97.6

97.9

W-xyz

0.3705

0.6500

0.6453

0.7441

0.0131

0.0114

0.0075

0.0151

96.5

98.2

98.8

98.0

S-hs

0.0141

0.0114

0.0118

0.0184

0.0137

0.0113

0.0106

0.0173

2.6

0.7

-15

1.7

S-rpy

0.0160

0.0109

0.0161

0.0226

0.0137

0.0106

0.0100

0.0170

14.2

2.9

37.4

21.0

表1.5相对平移误差

序列

相对平移误差/m

性能提升百分比/%

ORB-SLAM2

本文算法

平均数

中位数

SD

RMSE

平均数

中位数

SD

RMSE

平均数

中位数

SD

RMSE

W-hs

0.8309

0.7612

0.605?4

1.0281

0.0315

0.0284

0.0173

0.0360

96.2

96.3

97.1

96.5

W-rpy

0.9919

0.9197

0.650?7

1.1860

0.0389

0.0323

0.0260

0.0467

96.1

96.5

96.0

96.1

W-static

0.3184

0.1092

0.3256

0.4554

0.0085

0.0079

0.0041

0.0094

97.3

92.7

98.7

97.9

W-xyz

0.8925

0.8708