《表2 对比传统RGB-D SLAM方法在不同数据集上的ATE与RPE误差》

  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

《改进3D SLAM算法在移动机器人上的应用》

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

为了验证测试所提出的RGB-D SLAM的RTAB-MAP方法所建立的地图是否具有全局一致性，采用NYUv2中的数据集作为测试数据。传统RGB-D SLAM生成的点云图，如图6所示。采用这里方法所得出的点云地图，如图7所示。相比而言这里所提出的RGB-D SLAM方法生成的点云信息更加清晰且全局一致性更好，冗余地图结构更少。因为该数据集中有人物的移动，会对生成的点云地图产生较大影响，采用这里的优化算法可以使所生成的点云图中的移动物体具有清晰的轮廓，如图8所示，此结果可以为后续的动态物体识别提供先决条件。为验证所提出的3D SLAM系统框架的实时性与鲁棒性，采用慕尼黑工业大学计算机视觉团队的RGB-D SLAM的测试数据集进行实验。这里的方法与传统方法的对比结果，如表2所示。从表2中可以看出这里的RGB-D SLAM方法在ATE误差与RPE误差两项数据均小于传统RGB-D SLAM方法。结果表明，这里的RBG-D SLAM相比于传统得RBG-D SLAM方法在实时性与鲁棒性以及地图的全局一致性具有更优越的表现。