低光照环境下基于轻量级SuperPoint的单目VI-SLAM算法

作     者：曾旭东 樊绍胜 续尚植 周宇霆 

作者机构：长沙理工大学电气与信息工程学院 电力机器人湖南省重点实验室 

出 版 物：《激光与光电子学进展》 (Laser & Optoelectronics Progress)

年 卷 期：2024年第18期

页      面：187-198页

核心收录：

学科分类：08[工学] 080202[工学-机械电子工程] 080203[工学-机械设计及理论] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 

基　　金：国家自然科学基金(62271087) 湖南省研究生科研创新项目(CX20220918) 

主　　题：同时定位与建图 视觉惯性系统 低光照环境 光流跟踪 位姿估计 

摘      要：视觉惯性同时定位与建图技术（SLAM）通过融合视觉与惯性约束项提升建图与定位的精度，然而在低光照环境下，视觉前端提取特征点的质量与跟踪稳定性差，导致视觉惯性SLAM算法跟踪易丢失，定位精度低。因此，基于VINSMono框架，提出一种单目视觉惯性SLAM算法——GS-VINS：首先，采用自适应图像增强算法，改善低光照图像的灰度分布；其次，提出基于SuperPoint的GN2＿SuperPoint特征检测网络，结合特征点动态跟踪模块，提高光流跟踪的稳定性。在EuRoc数据集与现实场景的实验表明，所提算法定位精度较VINS-Mono提升了26.57%，且对光照变化具有较强的鲁棒性，在对比实验中特征跟踪成功率提高了8%，现实场景中闭合误差缩小约45.73%。所提算法在低光照环境中具有较好的精度与稳定性，为低光照下的视觉导航提供了新的解决方案，具有工程应用价值。