一种提高单眼视觉测程精度的新方法

单目视觉里程计为移动机器人导航一个活跃的研究课题由于其可用性和简单。然而,它固有地遭受尺度模糊性的影响,因此测距的可能性变差。在本文中,我们提出了一种基于地面区域提取和基于支持向量机(SVM)的改进的自适应卡尔曼滤波器来解决单眼视觉里程表的尺度歧义的新方法。首先,我们将分水岭算法与提出的边缘扩展方法(EEM)结合起来,而不是直接使用同形学来实现地面提取。其次,为了减少在实际场景中使用卡尔曼滤波算法时发散的可能性,本文将一种基于SVM的改进的自适应卡尔曼滤波算法(SVMAKF)应用于视觉导航区域。我们在室外场景中进行了一些实验,以验证这些方法可以提高单眼视觉测距的准确性。