《表2 EUROC数据集下RMSE (单位:cm)》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于点线特征的单目视觉同时定位与地图构建算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

LSD-SLAM结果来源于文[15]，MSCKF、OKVIS结果来源于文[26].从表2可以看出，加入惯性信息算法后其准确度明显优于纯视觉算法，相比较而言，基于优化的方法（OKVIS、本文算法）优于基于滤波（MSCKF）的方法，这是因为基于滤波的方法无法在状态更新后重新进行优化，精度上限会受到线性化误差的影响，而基于优化的方法可以重复进行优化.在这几组数据集上，本文使用point+line+prior算法与仅使用点特征的算法（point，no line，no prior）比较，平均定位误差减小了60%；与使用点、线特征的算法（point+line，no prior）比较，平均定位误差减小了47%；与M-SCKF算法比较，平均定位误差减小了57%；与LSD-SLAM算法比较，平均定位误差减小了80%；与OKVIS算法比较，定位精度差别不明显，原因是两者对惯性信息使用方式不同，本文算法仅将惯性数据作为先验信息，而OKVIS算法将视觉信息与惯性信息进行紧耦合.前3组对比实验验证了增加线特征、惯性先验信息的必要性与优势.