近年來(lái),無(wú)人飛行器已經(jīng)在農(nóng)業(yè)植保、災(zāi)難搜救、電影制作、低空監(jiān)測(cè)等多個(gè)領(lǐng)域廣泛應(yīng)用。在這些應(yīng)用中,無(wú)人飛行器的自主導(dǎo)航是關(guān)鍵技術(shù),實(shí)現(xiàn)無(wú)人飛行器自主導(dǎo)航的傳統(tǒng)方法是結(jié)合慣性導(dǎo)航和衛(wèi)星導(dǎo)航。隨著計(jì)算機(jī)視覺技術(shù)的快速發(fā)展,基于計(jì)算機(jī)視覺的導(dǎo)航技術(shù)趨于成熟,在傳統(tǒng)導(dǎo)航方法失效的情況下,基于計(jì)算機(jī)視覺的導(dǎo)航技術(shù)可以起到很好的補(bǔ)充作用。其中無(wú)人飛行器位姿信息的獲取是無(wú)人飛行器實(shí)現(xiàn)避障、路徑規(guī)劃和巡航等導(dǎo)航功能的前提和基礎(chǔ)。在上述背景下,本文主要研究基于計(jì)算機(jī)視覺的無(wú)人飛行器位姿估計(jì)方法。針對(duì)單目視覺初始位姿的估計(jì)問(wèn)題,本文對(duì)SVO中使用的光流跟蹤+單應(yīng)矩陣估計(jì)方法進(jìn)行了改進(jìn),使用光流跟蹤+單應(yīng)矩陣/基礎(chǔ)矩陣估計(jì)方法對(duì)初始位姿進(jìn)行估計(jì)。通過(guò)檢測(cè)光流跟蹤的特征點(diǎn)的視差,自動(dòng)選擇初始化圖像幀,根據(jù)匹配的特征點(diǎn),同時(shí)計(jì)算單應(yīng)矩陣模型和基礎(chǔ)矩陣模型,通過(guò)評(píng)分從兩個(gè)模型中選擇最好的模型來(lái)求解圖像幀間的相對(duì)運(yùn)動(dòng)。實(shí)驗(yàn)結(jié)果表明,與SVO中使用的光流跟蹤+單應(yīng)矩陣估計(jì)方法相比,本文改進(jìn)的單目視覺初始位姿估計(jì)方法具有較好的魯棒性和較小的初始姿態(tài)估計(jì)誤差。針對(duì)單目視覺里程計(jì)中位姿估計(jì)問(wèn)題,本文在SVO半直接法單目視覺里... 

【文章來(lái)源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

FAST和ORB特征提取效果對(duì)比

一路標(biāo)點(diǎn)的特征點(diǎn)。第一種方法適用于像機(jī)運(yùn)動(dòng)較小導(dǎo)致視角變化較小的場(chǎng)合，而第二種方法則適用于像機(jī)運(yùn)動(dòng)較大導(dǎo)致視角變化大的場(chǎng)合。根據(jù)相似性進(jìn)行特征匹配的方法存在以下三個(gè)問(wèn)題：一、特征點(diǎn)描述子相似性所使用的度量方法；二、特征點(diǎn)匹配成功的判定方法；三、誤匹配的處理方式。以 ORB 特征匹配為例，通過(guò)計(jì)算漢明距離：兩個(gè)相同長(zhǎng)度字符所對(duì)應(yīng)位置不同的個(gè)數(shù)，來(lái)度量?jī)蓚�(gè)描述子的相似度。匹配成功的判定方法主要有三種：一、根據(jù)相似度閾值進(jìn)行判定，滿足閾值的描述子的漢明距離最小的特征點(diǎn)相對(duì)應(yīng)；二、最近鄰匹配，找到與該特征點(diǎn)在另一圖像幀上位置最近的特征點(diǎn)，如果這兩個(gè)特征點(diǎn)的描述子滿足相似度閾值的條件下，則這兩個(gè)特征點(diǎn)具有對(duì)應(yīng)關(guān)系；三、相似度最近值與次近值的比率閾值判定法。在 Opencv 中有兩種特征點(diǎn)的數(shù)據(jù)關(guān)聯(lián)方式，分別是暴力匹配以及 FLANN(Fast Library forApproximateNearest Neighbors)匹配。暴力匹配是將兩個(gè)圖像幀中關(guān)鍵點(diǎn)的描述子一一對(duì)比，相似度最大的兩個(gè)描述子即為最優(yōu)匹配。FLANN 使用快速近似最近鄰算法進(jìn)行搜索匹配，雖然匹配準(zhǔn)確率沒(méi)有暴力匹配的高，但是 FLANN 匹配可以保證一定匹配正確率的情況下，進(jìn)行快速匹配，可用于實(shí)時(shí)性要求高的場(chǎng)合。對(duì) ORB特征進(jìn)行暴力匹配，并對(duì)誤匹配進(jìn)行剔除后的匹配效果如圖 2-2 所示：

c) 圖像幀 3 d) 圖像幀 4圖 2-3 光流跟蹤效果2.3 基于視覺的位姿估計(jì)方法對(duì) SLAM 進(jìn)行建模，可以表示成一個(gè)運(yùn)動(dòng)方程和觀測(cè)方程： (2-21)第一個(gè)方程為運(yùn)動(dòng)方程，對(duì)于視覺 SLAM 來(lái)說(shuō)， 是 時(shí)刻的像機(jī)位姿，一般由 3 個(gè)位置變量 ①和 3 個(gè)姿態(tài)角變量 ①組成，可以使用變換矩陣或李代數(shù)表示它。第二個(gè)方程為觀測(cè)方程，在視覺 SLAM 中，則是具體的針孔模型的投影函數(shù)。針孔模型是像機(jī)將真實(shí)世界中的三維路標(biāo)點(diǎn)投影到圖像二維平面上，真實(shí)世界中的三維路標(biāo)點(diǎn)通過(guò)成像模型投影為圖像序列中的特征，在匹配特征后，就可以通過(guò)特征點(diǎn)的關(guān)聯(lián)關(guān)系估計(jì)像機(jī)的運(yùn)動(dòng)；也可以通過(guò)直接法求解，即直接使用圖像像素點(diǎn)的光度信息，求解像機(jī)的位姿。

【參考文獻(xiàn)】：
期刊論文
[1]基于單目視覺的同時(shí)定位與地圖構(gòu)建方法綜述[J]. 劉浩敏,章國(guó)鋒,鮑虎軍.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2016(06)
[2]單目視覺同步定位與地圖創(chuàng)建方法綜述[J]. 顧照鵬,劉宏.  智能系統(tǒng)學(xué)報(bào). 2015(04)
[3]無(wú)人機(jī)在電力線路巡視中的應(yīng)用[J]. 湯明文,戴禮豪,林朝輝,王芳東,宋福根.  中國(guó)電力. 2013(03)
[4]一種移動(dòng)機(jī)器人SLAM中的多假設(shè)數(shù)據(jù)關(guān)聯(lián)方法[J]. 陳白帆,蔡自興,鄒智榮.  中南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(02)
[5]基于單目視覺的SLAM算法研究[J]. 溫豐,柴曉杰,朱智平,董小明,鄒偉,原魁.  系統(tǒng)科學(xué)與數(shù)學(xué). 2010(06)

碩士論文
[1]基于Kinect的視覺同步定位與建圖研究[D]. 徐冬云.哈爾濱工業(yè)大學(xué) 2016
[2]基于g2o的SLAM后端優(yōu)化算法研究[D]. 張彥珍.西安電子科技大學(xué) 2014



本文編號(hào)：3297704