一种基于数据自适应的迭代重加权鲁棒核的视觉SLAM后端优化方法技术

本发明专利技术属于机器人与计算机视觉领域，具体为一种基于数据自适应的迭代重加权鲁棒核的视觉SLAM后端优化技术。包括：S1：前端数据读取和处理模块：机器人搭载相机采集图像，并对图像进行特征提取，特征匹配，生成初始相机位姿和地图点；S2：后端优化模块：根据前端生成的初始相机位姿和地图点，计算自适应策略中的中值绝对偏差，并计算鲁棒性参数，然后带入目标函数，利用迭代重加权策略对目标函数进行化简，最后用L‑M算法求解出最优的相机位姿和地图点；S3：回环检测模块：根据机器人是否到达先前位置检测回环，将信息传递给后端处理；S4：构建地图模块：根据优化后的相机位姿和地图点，构建环境地图。

【技术实现步骤摘要】

本专利技术涉及机器人与计算机视觉领域，具体为一种基于数据自适应的迭代重加权鲁棒核的视觉slam后端优化技术，用于提升vslam系统在复杂场景中的精度与鲁棒性。

技术介绍

1、视觉同步定位与地图构建(vslam，visual simultaneous localization andmapping)技术是机器人导航和环境感知的核心技术之一，其发展得益于移动机器人、自动驾驶汽车以及虚拟/增强现实(vr/ar)等领域的广泛应用。vslam通过摄像头采集的图像数据，实时估计相机的位姿并构建三维环境地图，为自主移动设备在复杂环境中的感知和决策提供了关键支持。随着人工智能和机器学习技术的快速发展，vslam的研究和应用取得了显著进展，为机器人技术和智能化系统带来了前所未有的可能性。然而，尽管技术已取得诸多突破，现实世界的复杂性仍然对vslam提出了严峻挑战。真实环境中的动态变化、噪声干扰、数据缺失以及异常值的存在，都会显著影响vslam系统的性能。特别是在动态场景中，如行人密集的城市街道、光照条件快速变化的室内环境，或者纹理特征稀缺的区域，vslam系统往往难以维持对本文档来自技高网...

【技术保护点】

1.一种基于数据自适应的迭代重加权鲁棒核的视觉SLAM后端优化方法，其特征在于，包括：

2.根据权利要求1所述的一种基于数据自适应的迭代重加权鲁棒核的视觉SLAM后端优化方法，其特征在于，所述步骤S1包括：

3.根据权利要求1所述的一种基于数据自适应的迭代重加权鲁棒核的视觉SLAM后端优化方法，其特征在于，所述步骤S2包括：

4.根据权利要求3所述的一种基于数据自适应的迭代重加权鲁棒核的视觉SLAM后端优化方法，其特征在于，所述步骤S21包括：

5.根据权利要求4所述的一种基于数据自适应的迭代重加权鲁棒核的视觉SLAM后端优化方法，其特征在...

【技术特征摘要】

1.一种基于数据自适应的迭代重加权鲁棒核的视觉slam后端优化方法，其特征在于，包括：

2.根据权利要求1所述的一种基于数据自适应的迭代重加权鲁棒核的视觉slam后端优化方法，其特征在于，所述步骤s1包括：

3.根据权利要求1所述的一种基于数据自适应的迭代重加权鲁棒核的视觉slam后端优化方法，其特征在于，所述步骤s2包括：

4.根据权利要求3所述的一种基于数据自适应的迭代重加权鲁棒核的视觉slam后端...

【专利技术属性】
技术研发人员：程兰，胡志敏，卫江霞，续欣莹，张喆，李鹏越，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：