Resumen

En la aplicación SLAM, la visión omnidireccional extrae información a gran escala y más características de los entornos. Los algoritmos tradicionales aportan una enorme complejidad computacional a la visión omnidireccional SLAM. En este artículo se presenta un algoritmo mejorado de filtro de información extendida basado en visión omnidireccional. Basado en el análisis de la estructura y características de la matriz de información, este algoritmo mejora la eficiencia computacional. Considerando las características de las imágenes omnidireccionales, también se propone una regla de esparsificación mejorada. La información de observación dispersa ha sido utilizada y se ha mantenido la mayor correlación global. Así, la precisión del resultado estimado se garantiza mediante una adecuada esparsificación de la matriz de información. Luego, a través del análisis de errores, el error causado por la esparsificación puede ser eliminado mediante un método de reubicación. Los resultados de los experimentos muestran que este método aprovecha al máximo la característica de observaciones repetidas para puntos de referencia en visión omn

• Materias:Modelos matemáticos Conjuntos difusos Ecuaciones integrales Fusión de características Algoritmo de optimización
• Subjects:Mathematical models Fuzzy sets Integral equations Feature fusion Optimization algorithm
• Palabras claves:Visión omnidireccional; Aplicación de SLAM; Filtro de información; Eficiencia computacional; Regla de esparsificación; Análisis de errores
• Keywords:Omnidirectional vision; Slam application; Information filter; Computational efficiency; Sparsification rule; Error analysis