《表3 不同SLAM算法下定位精度对比》

  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

《基于分级关键帧筛选的RGB-D SLAM算法研究》

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

本文使用fr1＿room、fr1＿desk以及fr1＿xyz数据集来测试SLAM系统的定位精度。图4和5依次为fr1＿room场景下的相机运动真实轨迹（ground truth）以及使用本文算法计算得到的估计轨迹。图6和7则展示了fr1＿desk场景下的轨迹对比。可以看出在不同数据集下，本文采用的一级关键帧筛选算法得到的估计轨迹与真实轨迹都较为一致。其中fr1＿room数据集展示的场景最为复杂，所以生成的地图点数量较多，有利于一级关键帧的筛选。而其运动轨迹重复之处较少的特点在一定程度上减少了冗余帧的数量。因此，在该数据集下本文算法得到的相机估计轨迹与真实轨迹非常接近。与fr1＿room相比，fr1＿desk数据集下的相机轨迹重叠之处很多，会产生较多冗余帧，在删除冗余帧后得到的估计轨迹会因失去部分细节而不够贴近真实值。对于定位精度，本文采用真实轨迹与估计轨迹之间的均方根误差（root mean square error，RMSE）以及平均误差（MEAN）来衡量。实验的对比数据为RGB-D SLAM算法[10]在相同数据集下得到的估计轨迹，实验结果如表3所示。不管是场景以及运动都相对简单的fr1＿xyz还是相机运动复杂且时间久的fr1＿room和fr1＿desk，本文算法都体现出了一定的优越性，RMSE和MEAN误差均小于RGB-D SLAM算法。