融合图像亮度增强模块与IMU信息的视觉SLAM算法

摘要

针对视觉同步定位与建图（SLAM）算法在低光照环境下轨迹误差较大与效率较低的问题，提出一种基于ORB（oriented fast and rotated brief）-SLAM2算法的融合图像亮度增强模块与IMU（inertial measurement unit）信息的视觉SLAM算法。设计一种可依据图像亮度来实现自适应变化的Gamma校正因子，对亮度阈值筛选出的低光照图像进行自适应亮度增强后，再提取特征点，旨在增加算法在低光照环境下生成关键帧的数量；对提取到的特征点利用LK（Lucas-Kanade）光流法进行追踪，并预估初始位姿，同时利用视觉加IMU信息的方式优化位姿，以提高算法的运行效率与鲁棒性。在公共数据集与冰达ROS（robot operating system）机器人上进行实验，结果表明：改进算法相比于ORB-SLAM2算法，平均绝对轨迹误差降低35%，平均相对位姿误差降低25%，平均每帧追踪时间减少24%，证明改进算法的精度与效率更高，对于低光照环境下的应用具有较好的实用价值。