农业机械学报

作者：李旭，阳奥凯，刘青，邬备，季邦，刘大为，谢方平

单位：湖南农业大学,湖南农业大学,湖南农业大学,湖南农业大学,湖南农业大学,湖南省智能育秧育苗装备工程技术研究中心,湖南省智能育秧育苗装备工程技术研究中心,

关键词：温室机器人;稠密建图;ORB-SLAM2算法;自适应阈值;关键帧选择

基金：国家重点研发计划项目(2021YFD1600300-4/06、2020YFD1000300)和湖南省重点领域研发计划项目（2024JK2032）

针对温室内环境复杂，ORB-SLAM2算法无法构建稠密地图的问题，本文提出了基于改进ORB-SLAM2算法的温室机器人定位与稠密建图方法。首先，在跟踪线程中提出一种根据图像总体像素自适应调整特征点提取阈值方法，提升特征点提取的质量和数量；其次，在ORB-SLAM2算法基础上，结合帧间相对位姿计算，增加旋转量与平移量作为关键帧选择条件，降低关键帧数量和平均跟踪时间，提高定位精度；最后，引入稠密建图线程，通过点云恢复、统计滤波、点云拼接及体素滤波算法，融合多帧点云数据，生成精细三维稠密地图。为验证方法的有效性与实用性，分别进行公开数据集仿真分析与真实场景测试，在Freiburg1_room、Freiburg1_xyz、Freiburg1_desk序列上，改进ORB-SLAM2算法比ORB-SLAM2算法运行轨迹更接近真实轨迹，平均绝对轨迹误差分别降低46.00%、29.01%、39.85%。在3种不同枝叶遮挡的温室环境内，相比ORB-SLAM2算法，改进ORB-SLAM2算法特征点匹配数量分别平均提升7.20%、12.37%、12.81%；同时，关键帧平均数量分别从400、525、1132帧减少到371、411、708帧，且平均跟踪时间分别从0.0390、0.0357、0.0318s减少到0.0373、0.0343、0.0290s。试验结果表明，改进ORB-SLAM2算法的估计轨迹与温室机器人实际运动轨迹基本契合，具有良好的回环检测性能，准确还原了作物与过道在三维空间中的真实分布，成功构建出温室场景的三维稠密点云地图。该方法可为温室移动机器人的定位与导航提供技术支撑。

来源：2025年第8期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第8期