《表2 实验中使用的参数值》

  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

《基于改进随机抽样一致算法的视觉SLAM》

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

本文的实验环境是Intel i5处理器，2.6 GHz CPU，4 GB内存，Ubuntu 16.04操作系统．在实验中使用了10个图像序列进行评估，其中fr1＿desk、fr1＿desk2、fr2＿desk、fr2＿xyz、fr3＿office和fr3＿nst 6个图像序列选自TUM RGB-D数据集[19]，该数据集使用RGB-D相机采集的室内环境．另外4个序列（00、05、07和08）选自KITTI数据集[20]，该数据集是使用装在汽车上的双目摄像机拍摄的城市和高速公路环境．在KITTI数据集中所选的4个序列，每个序列的轨迹至少有1个闭环．为了消除多线程不确定性的影响，对每个图像序列进行了6次实验，计算真实轨迹和估计轨迹之间的绝对平移的均方根误差（root mean square error，RMSE）．然后将6次实验的RMSE的平均值作为每个序列的最终结果．实验中使用的参数值如表2所示，汉明距离阈值N采用经验值100．在统计学中，通常把置信率设为0.95，故本实验中的η选取0.95.mθ是经过多次实验、使得实验结果最优的值．counts是指最大迭代次数，根据实时性要求选取，本文设置为10．σ是指特征金字塔层数的尺度因子，θ是文献[16]建议的值．