标签:map Multi Salient Monocular 检测 robot SLAM 门牌 local
时间:2009
作者:
创新点:
提出新的理论框架——基于视觉的多robot(文章以2个robot为例)协同SLAM
初始条件:两robot(配置单目摄像机及自身EKF-SLAM算法),不需要robot之间相互了解初识位置
salient landmark:指robot探测的标志性物质,本文有两种1)门牌(doorplate) 2)垂直的线
文章行文结构:
背景介绍→单robot检测模型→多robot联合模型→实验
通信模型(文中没有具体提及通信模型,这是按照猜测构建):
一个server+多个agent
各agent运行单独SLAM进程构建自身local map,时刻传输至server。server运行detect进程和merge进程,完成多local map间识别和融合。可能是单向传输,可能server会反馈agent强化local map。
系统结构:
特征提取分两部分:
1)利用PHT检测垂直线+利用KLT进行垂直线的匹配(匹配双方是generated line image和observed line image)——对应垂直线特征
2)利用CAMSHIFT(提取显著特征)+OCR进行颜色门牌的识别——对应门牌特征
局部地图合成分两种情况讨论:
1)robot之间相互检测到
2)robot之间没有相互检测到,但从不同的local map中提取了相同门牌号
在robot没有相互检测且没有共同门牌时,单独运行SLAM算法构建局部地图。发生合并条件时按照情况进行地图合并,形成global map。
global map的优化(减少merged map的水平误差),对应两种条件:
1)robot之间若相互检测到,使用landmark信息强化global map
2)robot之间没互相检测到,从local map中提取相同门牌号。按照信息,规划路径至同一目的地。等待重合后,利用各自local map交换信息,形成global map
实验(对应两种情况):
1)相互检测到:
2)没有相互检测,但识别公共门牌:
局限性:
本篇文章讨论的场景是走廊环境,有足够的特征可提取,特别是门牌特征过于明显。条件较为理想,不适用于复杂环境。
因作者水平有限,如有错误之处,请在下方评论区指出,谢谢!
标签:map,Multi,Salient,Monocular,检测,robot,SLAM,门牌,local 来源: https://blog.csdn.net/gls_nuaa/article/details/121585486
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。