仪器仪表学报

作者：纪泽源，于潇颖，付文兴

单位：纪泽源,北京机电工程研究所北京100074,jzyuan567@163.com,于潇颖,北京机电工程研究所北京100074,,付文兴,北京机电工程研究所北京100074,

关键词：视觉SLAM;深度学习;低照度;室内定位

视觉SLAM技术在增强现实和无人驾驶等行业具有重要应用。然而传统视觉SLAM在低照度等挑战性场景中存在定位精度较低或定位失败的难题，本文提出一种图神经网络匹配前后帧特征点的视觉SLAM算法：VINS-GNN，在视觉SLAM前端设计一种把特征点匹配跟踪策略，将图神经网络与视觉SLAM结合，有效提升了SLAM前端特征点跟踪的性能；在视觉SLAM后端设计了一种基于多帧融合的回环重定位算法，近一步提高了全局定位精度。在包含低照度、低纹理的公开数据集对比实验中，VINS-GNN相比于VINS-Fusion定位精度提高了17.33%；在实际室内低照度实验中，VINS-GNN相比于VINS-Fusion在轨迹终点处精度提升显著，本文还引入了神经网络推理加速技术，以减少算法的资源占用并提升实时性。实验结果表明VINS-GNN提出的策略在室内低照度条件下的定位精度提升效果显著，对室内行人与移动机器人定位技术发展具有重要意义。

来源：2024年第9期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2024年第9期