基于立体视觉SLAM的户外高精度3D密集映射系统

摘要

传统的视觉SLAM算法基于稀疏重建来构建地图，难以满足户外环境中的自主导航和避障需求。因此，我们提出了一种视觉SLAM构建算法来解决这一问题。该算法采用基于交叉注意力机制的深度立体匹配网络和自适应视差细化策略来抑制不匹配的视差，从而提高复杂环境中密集深度估计的鲁棒性。此外，还引入了一个独立的密集映射流程，将细化的密集深度信息与SLAM姿态信息融合，用于循环检测和姿态校正，生成高质量的彩色深度点云，并重建高精度的3D密集地图。为了评估我们算法的性能，分别使用KITTI数据集和实地测试数据进行了两项实验。实验结果表明，该算法在实地测试数据上的相对深度估计误差为8.236%，且在重建的3D地图中，92.902%的密集点误差在0.443米以内。这些结果表明，我们的3D映射算法比传统方法具有更高的准确性和鲁棒性，并解决了传统视觉SLAM系统中点云稀疏和环境信息缺失的问题。