弱テクスチャ環境における特徴抽出と再構築の課題に対処し、そのような環境で動作するモバイルロボットに対する環境認知のデータサポートを提供するために、弱テクスチャ環境における特徴抽出と再構築のソリューションが提案されます。このソリューションは、レーザー支援マーキングを通じて環境特徴を強化し、両眼視覚と組み合わせた二段階の特徴抽出戦略を採用しています。まず、マルチ制約に基づく特徴点の迅速な位置特定法（FLM）のための改善されたSURFアルゴリズムが提案され、特徴点の初期位置を迅速に特定します。次に、光ストリップのグレースケール一貫性に基づく特徴点のロバスト補正法（RCM）が提案され、特徴点の正確な位置を校正し取得します。最後に、特徴マッチングと再構築を通じてスパース3D（3次元）ポイントクラウドが生成されます。作業距離1 mで、空間モデリングは±0.5 mmの精度、相対誤差2‰を達成し、効果的な抽出率は97％を超えます。効率と精度の両方を確保しながら、このソリューションは干渉に対する強いロバスト性を示します。動的な弱テクスチャ環境における正確な位置決め、物体把持、姿勢調整などのタスクをロボットが行うのを効果的にサポートします。」},{
Lv et al. (Sun,) studied this question.