基于点线特征融合的单目视觉SLAM算法研究OA

随着自动驾驶和人工智能技术的不断进步,视觉SLAM已成为实现高精度定位和导航的核心技术之一。然而,传统的单目视觉SLAM算法在复杂场景中存在鲁棒性不足的问题,难以应对光照变化和纹理缺失等挑战。为此,提出了一种基于点线特征融合的单目视觉SLAM算法,旨在提高特征提取的丰富度和鲁棒性。通过深入研究点特征和线特征的提取与匹配方法,分析LSD算法和EDLines算法的性能特点,并针对EDLines算法的不足提出了一种近线合并、短线剔除的方法,有效提高了线段提取的准确性和连续性。此外,提出了一种考虑长线段比例的自适应权重优化方法,以更合理地优化点线特征权重。实验结果表明,改进算法在EuRoC MAV数据集上的长线段数量和定位精度得到了显著提升。