一种基于增强视觉的适应性椭球体SLAM用于室内环境

本文通过一种新颖的基于增强地标视觉的椭球体SLAM方法解决了同时定位与地图构建（SLAM）的问题。该算法在NAO人形机器人上实施，并在室内环境中进行了测试。系统的主要特点是采用单目视觉系统实现SLAM。使用称为NAOmarks的显著地标，通过其单目视觉系统定位机器人。因此，我们引入了机器人增强现实（RAR）的概念，并提出了单目扩展卡尔曼滤波器（EKF）/椭球体SLAM，以提高性能并减轻计算负担，提供地标识别，并简化数据关联问题。所提出的SLAM算法实时实施，以进一步校准椭球体SLAM参数、噪声约束，并提高其整体准确性。增强的EKF/椭球体SLAM算法与常规EKF/椭球体SLAM方法进行比较，并在本文中讨论了各算法的优缺点。实时实验和仿真研究表明，适应性增强椭球体SLAM的准确性优于传统的EKF/椭球体SLAM。