您现在的位置: 首页> 研究主题> 闭环检测

闭环检测

闭环检测的相关文献在1990年到2022年内共计377篇,主要集中在自动化技术、计算机技术、电工技术、无线电电子学、电信技术 等领域,其中期刊论文137篇、会议论文7篇、专利文献1113914篇;相关期刊100种,包括长春理工大学学报(自然科学版)、广东工业大学学报、光学精密工程等; 相关会议7种,包括全国第十四届空间及运动体控制技术学术会议、中国仪器仪表学会2010年学术产业大会、中国兵工学会第十四届测试技术年会暨中国高等教育学会第二届仪器科学及测控技术年会等;闭环检测的相关文献由1080位作者贡献,包括陈孟元、胡章芳、杨波等。

闭环检测—发文量

期刊论文>

论文:137 占比:0.01%

会议论文>

论文:7 占比:0.00%

专利文献>

论文:1113914 占比:99.99%

总计:1114058篇

闭环检测—发文趋势图

闭环检测

-研究学者

  • 陈孟元
  • 胡章芳
  • 杨波
  • 张春熹
  • 朱晓庆
  • 李宏生
  • 李立京
  • 王夏霄
  • 王寿荣
  • 罗元
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

    • 严纪强; 吴一琳; 胡剑凌
    • 摘要: 针对当前基于点线特征的视觉惯性同步定位与建图(Simultaneous Localization And Mapping,SLAM)算法容易将长线段检测为多条短线段导致线段匹配准确率降低,同时存在未能充分利用点线特征的融合等问题,提出一种基于点线特征的改进视觉惯性SLAM方法。首先,提出一种新的线段合并算法,将原属于同一条直线的短线段进行合并,获得更多的稳定长线段;其次,针对点线特征误差项的特点,提出一种新的误差加权融合方式;最后,将点线特征融合应用到视觉惯性SLAM闭环检测中,分别利用点线特征词袋计算图像相似度并基于特征数量和场景信息进行加权融合。基于EuRoC数据集的实验测试表明,所提方法的绝对轨迹误差在无闭环情况下较VINS-Mono方法平均降低了14.90%,较PL-VINS方法平均降低了8.96%;闭环情况下,所提方法的绝对轨迹误差较VINS-Mono方法平均降低了24.74%,较PL-VINS方法平均降低了5.99%。
    • 高贵; 伍宣衡; 王忠美; 郑良
    • 摘要: 闭环检测是同步定位与建图(simultaneous localization and mapping,SLAM)中的一个重要组成部分,用于减少移动机器人在位置估计和构建环境地图时产生的累计误差。传统方法采用人工设计的特征,但在外界环境中容易受到光照、天气和视点变化等因素所带来的影响。随着深度学习技术的发展,闭环检测得到广泛的探索,且在复杂环境中基于深度学习的闭环检测具有较强的鲁棒性。通过梳理闭环检测的背景和发展现状,从基于深度卷积神经网络、自动编码器和语义信息三个方面,对目前视觉SLAM(visual-SLAM,V-SLAM)闭环检测方法的基本原理、算法特点进行了对比分析,并从视觉应用层面上总结了三类方法所适用的场景,最后讨论了闭环检测未来在自然环境变化、多移动目标和实时动态三个方面所存在的挑战和研究展望。
    • 吴涛
    • 摘要: 由于移动机器人的广泛应用,传统的基于惯性测量单元或GPS/INS的导航系统在某些环境下的应用受到限制。而视觉SLAM的快速发展为移动机器人的导航提供了基础,但是当前还面临着一些挑战,如何让视觉SLAM更好的应用在机器人导航中成为研究的热点。本文介绍了视觉SLAM中的一些关键技术,总结了纯视觉SLAM和多传感器视觉SLAM的突出研究成果。最后对用于移动机器人的视觉SLAM研究进行了展望。
    • 梁鸿; 陈灵娜; 何啸峰; 周扬帆; 蒋良卫
    • 摘要: 针对半直接法SLAM方案的回环闭合问题,提出融合全局描述子和半直接法的双目SLAM方案。全局描述子计算模型结合主成分分析法(PCA)和K近邻方法构建关键帧的全局描述子管理模块;在位姿跟踪模块中使用最小化光度误差的半直接法;结合关键帧全局描述子和半直接法完成闭环检测与全局位姿优化。在公开数据集KITTI和Euroc上进行实验,与ORB-SLAM2、OpenVSLAM进行对比,对比结果表明,该方法在大部分有回环的序列中有更小的绝对轨迹误差,在保证有相似定位精度的同时,提高了算法的跟踪帧率。
    • 李磊磊; 王艺翔; 桂训雅; 陈家斌; 黎祖成; 韩勇强
    • 摘要: 单目视觉/惯性定位系统由于其低成本和高自主性被广泛使用。然而视觉/惯性里程计在长时间的运行后,会产生较大的累积误差,无法提供准确的位姿估计,并且在光线、路况复杂的环境系统存在特征点跟踪失败,无法解算当前位置,稳定性不高的问题。针对以上问题,提出了基于非线性优化的先验特征地图匹配方法,利用单目视觉/惯性SLAM建立的位姿图来约束系统的残差估计,通过计算当前帧与特征地图中历史帧的相似度,如果两者相似度高于某一阈值,则使用地图的位姿进行误差约束,从而消除累积误差,提高系统的稳定性。利用无人机在高空飞行15分钟约6.4公里的数据来验证地图匹配方法。实验结果表明,所提出的地图匹配方法与未使用地图匹配算法相比,在耗时增加不到20%的情况下提升了91%的导航精度(RMSE),能有效减少单目视觉/惯性系统的累积误差,从而提高系统的稳定性。
    • 李磊磊; 梁琳; 陈家斌; 韩勇强
    • 摘要: 针对视觉惯性导航系统绝对航向信息缺失导致精度下降的问题,提出了一种基于磁航向约束的视觉惯性定位算法。首先,建立了视觉/惯性/地磁导航系统模型,并对惯性数据采用预积分进行处理,降低状态更新时系统计算负担,提高实时性;其次,在视觉惯性数据对齐后,引入地磁观测数据作为约束,获取真实航向信息,完成系统初始化;最后,构建目标函数,通过非线性优化实现视觉、惯性和地磁数据融合。通过搭建车载实验平台,在室外环境下对所提出算法进行了验证,实验结果表明,相比于VINS-mono,引入磁约束后,视觉惯性导航系统的平均定位均方根误差减小了约25%。
    • 张冬灿; 张国良; 李俊学; 陈钰婕
    • 摘要: 在同时定位与建图(Simultaneous localization and mapping,SLAM)的闭环检测中,由于受到光照变化、季节变化、遮挡、动态物体、视点变化等带来的影响,即使是同一位置拍摄的两张图片,其像素也会发生很大的变化,进而图片描述子也会有很大的不同。相较于卷积特征,传统人工设计特征存在图片表征力不足的问题。文中通过利用方向梯度直方图(HOG)特征的几何信息与卷积特征融合,使提取的图片描述子对于图片视点变化更加鲁棒;在此基础上,使用一种灵活的闭环检测算法,提高算法对于图片外观发生变化的场景下鲁棒性。为了验证算法的性能,在3个不同环境特点的公开数据集上,与其他的先进算法进行试验对比,试验结果表明,文中算法在复杂环境下仍然具有较高准确率和较大的闭环曲线下面积。
    • 罗恒杰; 鲍泓; 徐成
    • 摘要: 为了有效地解决大尺度建图时闭环检测匹配速度慢和闭环误报的问题,提出了一种FastDTW地磁匹配和激光雷达(LiDAR)点云匹配相结合的快速闭环检测方法。通过地磁匹配算法对地图中的位姿节点进行了过滤,极大地减小了闭环检测时的搜索空间,并且对搜索空间的约束有助于减少激光雷达即时定位与建图(SLAM)中由于高局部相似性引起的误检。通过在真实环境中收集激光雷达点云数据和IMU的三轴地磁数据进行实验,验证对比了逐帧法、分支定界法、动态时间规整(DTW)融合算法、FastDTW融合算法的闭环检测速度、误检次数和建图平均绝对误差。实验结果表明:与DTW融合算法相比,本文算法提高了17%的闭环检测速度,降低了16%的平移平均绝对误差,降低了10%的旋转平均绝对误差,并在四种算法中保持较低的误检次数。
    • 卢欧欣
    • 摘要: 针对日益增多的卫星上行数据传输需求[1-3],该文提出了一种卫星地面站上行数传信号闭环检测系统的设计与实现方法。首先对该系统的工作原理和流程进行了介绍,并对解调性能和数据处理时间进行了详细定量的分析,可为同类型系统或设备的性能评估提供参考。给出了系统的硬件平台和功能算法设计,并对接收机相位模糊处理以及无固定帧结构场景下的数据比对等关键问题提供了解决方法。最后给出了硬件资源占用情况和性能测试结果。该方法适用于多种调制体制和编码方式下的卫星地面站上行数传信号闭环检测,具有实时性强、资源占用少且稳定可靠的特点。
    • 秦正泓; 刘冉; 肖宇峰; 陈凯翔; 邓忠元; 邓天睿
    • 摘要: 同步定位与地图构建(SLAM)是当前机器人定位导航的研究热点,可靠的闭环检测是图优化SLAM的关键。而在大范围的复杂环境下,通过视觉或激光雷达进行闭环检测的可靠性低且计算开销大。针对这一问题,提出了一种基于WiFi指纹序列匹配的图优化SLAM算法。所提算法采用指纹序列进行闭环检测,由于指纹序列中包含多个指纹数据,信息量比单个指纹点对的数据丰富,因此将传统的基于指纹点对的匹配扩展到指纹序列的匹配可以大幅减小闭环误判的几率,从而确保了闭环检测的准确性,满足了SLAM在大范围复杂环境下的算法高精度要求。采用两组实验数据(机器人从不同的起点开始)对所提算法进行验证的结果表明:与高斯相似度的方法相比,所提算法的精度在第一组数据上提高了22.94%;在第二组数据上提高了39.18%。实验结果充分验证了所提算法在提高定位精度、确保闭环检测可靠性方面的优越性。
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号