摘要
智能无人车的自主定位技术是实现其行驶任务的核心。基于视觉和惯性传感器的
SLAM技术凭借其结构简单、成本低廉的优势,能够有效实现无人车的自主导航而成
为当前研究的热点。然而,实际环境复杂多变,光照条件剧烈变化、特征纹理缺失等
因素常导致SLAM系统的定位误差增大。针对低纹理区域和动态光照环境导致SLAM
定位下降的问题,在视觉特征中引入线特征,通过点线特征的融合充分表达环境信息,
以提高无人车的视觉定位精度。以外,进一步研究视觉传感器与IMU的数据融合方
法,以确保系统在复杂环境
摘要
智能无人车的自主定位技术是实现其行驶任务的核心。基于视觉和惯性传感器的
SLAM技术凭借其结构简单、成本低廉的优势,能够有效实现无人车的自主导航而成
为当前研究的热点。然而,实际环境复杂多变,光照条件剧烈变化、特征纹理缺失等
因素常导致SLAM系统的定位误差增大。针对低纹理区域和动态光照环境导致SLAM
定位下降的问题,在视觉特征中引入线特征,通过点线特征的融合充分表达环境信息,
以提高无人车的视觉定位精度。以外,进一步研究视觉传感器与IMU的数据融合方
法,以确保系统在复杂环境
文档评论(0)