Resumen

Los sensores RGB-D capturan imágenes RGB e imágenes de profundidad simultáneamente, lo que permite adquirir la información de profundidad a nivel de píxel. Este artículo se centra en el uso de sensores RGB-D para construir un mapa visual que es un mapa 3D denso ampliado que contiene elementos esenciales para la localización basada en imágenes, como las poses de la cámara de la base de datos, las características visuales y las estructuras 3D del edificio. Aprovechando las características visuales coincidentes y los valores de profundidad correspondientes, se propone un novedoso algoritmo de optimización local para lograr el registro de nubes de puntos y la estimación de la pose de la cámara de la base de datos. A continuación, se utiliza la optimización basada en grafos para obtener la coherencia global del mapa. Sobre la base del mapa visual, se investiga el método de localización basado en imágenes, haciendo uso de la restricción epipolar. El rendimiento de la construcción del mapa visual y de la localización basada en imágenes se evalúa en escenas típicas de interiores. Los resultados de la simulación muestran que los errores medios de posición de la cámara de la base de datos y de la cámara de consulta pueden limitarse a 0,2 metros y 0,9 metros, respectivamente.

• Materias:Biotecnología Redes de sensores Sistema de sensores Diagnóstico de fallas Tecnología de sensores Diagnóstico de fallos
• Subjects:Biotechnology Sensor networks Sensor system Fault diagnosis Sensor technology
• Palabras claves:base de datos cámara, imagen, sensores d, características visuales, mapa visual, mapa 3d denso ampliado, novedoso algoritmo de optimización local, errores medios de posición, valores de profundidad correspondientes, registro de nubes de puntos
• Keywords:database camera, image, d sensors, visual features, visual map, extended dense 3d map, novel local optimization algorithm, average position errors, corresponding depth values, point cloud registration