点线特征立体视觉惯性SLAM算法

地下弱光高鲁棒

专为地下弱光与低纹理场景设计，通过实时图像增强与点线特征融合，提升定位精度与系统鲁棒性。

Sun, Qian · Hao, Wang · Wa, Liu · Junjing, Zou · 叶方 · 李一兵

IEEE Transactions on Vehicular Technology 2024

技术优势

弱光下也能提取特征

实时图像增强算法改善了地下环境低光照图像的可见性，使特征点提取更稳定，提升前端跟踪质量。

低纹理场景定位更稳

在点特征基础上引入线特征并利用几何特征筛选，有效利用场景中的结构信息，减少低纹理区域的退化。

保持实时性

通过改进的线特征匹配与筛选策略降低计算负担，使系统在加入线特征后仍能实时运行。

应用场景

• 地下巡检机器人：在弱光、低纹理地下场景提供更稳定的定位，使巡检机器人能够自主完成检查和建图任务。
• 搜救机器人：在GPS缺失、光照恶劣的地下废墟中保持高定位精度，帮助搜救机器人快速构建环境地图并定位目标。
• 矿山自动驾驶：为矿井内自动驾驶车辆提供鲁棒的实时位姿估计，克服地下环境弱光、低纹理对视觉定位的影响。
• 地下无人机：使无人机在地下洞穴、管道等GPS拒止环境下仍能精确定位，支持自主飞行与探测。
• 地下感知与建图：通过增强图像和融合点线特征，提高地下环境建图的一致性和完整性。