AGV(Automatedguidedvehicle)基础(二)AGV的视觉算法RGBD算法

前言&＃xff1a; 对于不同的AGV导航算法来说AGV的&＃xff0c;VSLAM是比较有前景的。

视觉算法实现应由AGV的场景的需求来定&＃xff0c;对不同的算法支持。 

VSLAM的基本框架&＃xff1a;

VSLAM的分类

VSLAM的算法主要分为三类&＃xff0c;LSD_SLAM,ORB_SLAM,RGB-D SLAM。

RGB-D SLAM的典型框架如下&＃xff1a;

1. RGB-D SLAM位姿图构建包括特征检测与匹配 、运动估计、关键帧选择、环形闭合检测。
   1. 特征检测算法包括&＃xff1a;SIFT、SURF、FAST、ORB等

一般选ORB提高匹配时间。

1. 1. 匹配算法&＃xff1a;针对ORB,采用随机采样一致性算法&＃xff08;RANSAC)&＃43;3D CAM深度信息
   2. 计算帧间匹配的内点、旋转向量、平移向量&＃xff0c;然后计算相对运动距离
   3. 特征点追踪和最小视觉变化进行关键帧选择
   4. 利用RANSAC进行局部闭合检测和全局环形检测
2. 图优
   1. 非欧式优化&＃xff0c;g2o流形优化&＃xff0c;TORO
   2. 欧式空间优化&＃xff1a;&＃xff08;最小二乘法、松弛优化、随机梯度下降&＃xff09;
3. 地图构建

   ---

    

4. RTAB-MAP&＃xff08;Real-Time Appearance-Based Mapping&＃xff09;

5. RTAM算法是通过检查外观来构建地图:

6.  

   

    

对于3D CAM来说&＃xff0c;用于构建3D 的点云MAP

1. DVO(Dense Visual Odometry) SLAM(正在开发&＃xff09;
2. RGB-D SLAM V2

系统主要构成&＃xff1a;ROS project, OpenCV, PCL, OctoMap, SiftGPU

小结&＃xff1a;

1. TUM RGB-D 和ICL-NUM算法的测试表明&＃xff0c;RGB-D SLAM V2的机器性能要求较高,而RTAB-MAP的鲁棒性比较差&＃xff0c;精确度和性能要求比较高。而精度要求较低情况下&＃xff0c;为DVO SLAM算法。
2. 上述算法的运行时间和场景有关。所以&＃xff0c;VSLAM的使用应该结合场景的具体情况来实现。Robustnes测试RTAB的成功率比较低。
3. RGBD各个算法&＃xff0c;如果结合GPU的使用&＃xff0c;能够显著提高系统的运行效率。