仪器仪表学报

作者：余洪山，郭 丰，郭林峰，王佳龙，付 强

单位：余洪山,1.湖南大学 电气与信息工程学院 机器人视觉感知与控制技术国家工程实验室,,郭 丰,1.湖南大学 电气与信息工程学院 机器人视觉感知与控制技术国家工程实验室,,郭林峰,1.湖南大学 电气与信息工程学院 机器人视觉感知与控制技术国家工程实验室,,王佳龙,1.湖南大学 电气与信息工程学院 机器人视觉感知与控制技术国家工程实验室,,付 强,1.湖南大学 电气与信息工程学院 机器人视觉感知与控制技术国家工程实验室,

关键词：单目视觉惯性系统;特征提取网络;同时定位与建图;位姿估计;特征编码

基金：国家自然科学基金(61973106, U1813205)、湖南省科技计划重点研发项目( 2018GK2021)、航空科学基金( 201705W1001)、郴州市科技计划项目资助

单目视觉惯性SLAM系统通过追踪人工设计的点特征来恢复位姿,如Shi-Tomasi,FAST等。然而光照或视角变化等挑战性场景中人工特征提取鲁棒性差,易导致位姿计算精度低甚至失败。启发于SuperPoint网络在特征提取的强鲁棒性,提出一种基于改进SuperPoint网络的单目VINS系统—CNN-VINS,旨在提升挑战性环境下VINS系统的鲁棒性。主要贡献包括:提出改进SuperPoint特征提取网络,通过动态调整检测阈值实现图像特征点均匀检测和描述,构建鲁棒精确的特征关联信息;将改进SuperPoint特征点提取网络与VINS系统的后端非线性优化、闭环检测模块融合,提出一个完整的单目视觉惯性SLAM系统;对网络的编码层和损失函数优化调整,并验证网络编码层对VINS系统定位精度的影响。在公共评测数据集EuRoc实验结果表明,相比国际公认的VINS-Mono系统,所提系统在光照剧烈变化的挑战性场景中定位精度提升15%;对光照变化缓慢的简单场景,绝对轨迹误差均值保持在0.067~0.069m。

来源：2021年第1期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2021年第1期