隨著計(jì)算機(jī)視覺(jué)和無(wú)人機(jī)相關(guān)技術(shù)的迅速發(fā)展,構(gòu)建智能無(wú)人機(jī)系統(tǒng)成為當(dāng)前機(jī)器人研究領(lǐng)域的熱點(diǎn)方向,而高效的語(yǔ)義SLAM（Simultaneously Localization And Mapping,即時(shí)定位與建圖）是智能無(wú)人機(jī)系統(tǒng)實(shí)現(xiàn)在未知環(huán)境下進(jìn)行自主定位、環(huán)境導(dǎo)航和智能搜索等高級(jí)任務(wù)的基礎(chǔ)。但是現(xiàn)有語(yǔ)義SLAM的發(fā)展并不成熟,且其實(shí)現(xiàn)過(guò)于依賴對(duì)算力要求較高的深度學(xué)習(xí)理論,并不適用于存在一定載荷限制的多旋翼無(wú)人機(jī)。因此,本文在具有高準(zhǔn)確性跟蹤精度的RGBD-SLAM基礎(chǔ)上,采用輕量化的目標(biāo)檢測(cè)模塊和三維語(yǔ)義地圖構(gòu)建方法進(jìn)行改進(jìn),設(shè)計(jì)基于RGBD的無(wú)人機(jī)語(yǔ)義SLAM原型系統(tǒng),完成無(wú)人機(jī)軌跡估計(jì)的同時(shí),構(gòu)建環(huán)境三維語(yǔ)義地圖。首先,選擇RGBD相機(jī)作為無(wú)人機(jī)語(yǔ)義SLAM系統(tǒng)的唯一視覺(jué)傳感器,并通過(guò)分析經(jīng)典視覺(jué)SLAM的實(shí)現(xiàn)原理和優(yōu)缺點(diǎn),結(jié)合無(wú)人機(jī)應(yīng)用平臺(tái),在ORB_SLAM框架的基礎(chǔ)上融合高效的目標(biāo)檢測(cè)算法和三維目標(biāo)分割方法,進(jìn)行無(wú)人機(jī)軌跡估計(jì)的同時(shí),感知環(huán)境物體語(yǔ)義信息,構(gòu)建三維語(yǔ)義地圖,并基于此提出了無(wú)人機(jī)語(yǔ)義SLAM原型系統(tǒng)的方案。其次,針對(duì)目前基于深度學(xué)習(xí)的目標(biāo)檢... 

【文章來(lái)源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：80 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

各行各業(yè)中的無(wú)人機(jī)應(yīng)用

中，常見(jiàn)的視覺(jué)傳感器包括單目相機(jī)，雙目相機(jī)和RGBD相機(jī)。沒(méi)有深度信息的單目相機(jī)雖然速度快，但是應(yīng)用起來(lái)依賴的數(shù)學(xué)計(jì)算過(guò)程相對(duì)復(fù)雜；而雙目相機(jī)在近處應(yīng)用雙目測(cè)距原理生成深度圖比單目相機(jī)相對(duì)便利一點(diǎn)，但是無(wú)法擺脫隨著距離增大，雙目效果嚴(yán)重退化的缺點(diǎn)；而RGBD相機(jī)利用結(jié)構(gòu)光或TOF來(lái)獲取深度，省去了深度的計(jì)算過(guò)程[3]，計(jì)算量小，逐漸成為了視覺(jué)SLAM的主流傳感器。傳統(tǒng)的視覺(jué)SLAM系統(tǒng)用來(lái)建立未知環(huán)境空間結(jié)構(gòu)和占據(jù)信息，為智能機(jī)器人實(shí)現(xiàn)路徑規(guī)劃、自主導(dǎo)航和避障。視覺(jué)SLAM系統(tǒng)可以分為前端和后端，其結(jié)構(gòu)如圖1-2所示。圖1-2視覺(jué)SLAM結(jié)構(gòu)前端完成數(shù)據(jù)關(guān)聯(lián)，相當(dāng)于VO（視覺(jué)里程計(jì)），估算相鄰關(guān)鍵幀間的相機(jī)運(yùn)動(dòng)；后端主要對(duì)每個(gè)時(shí)刻視覺(jué)里程計(jì)的輸出結(jié)果進(jìn)行優(yōu)化，得到最優(yōu)的位姿估計(jì)和地圖。語(yǔ)義SLAM以視覺(jué)SLAM技術(shù)為基礎(chǔ)，將目標(biāo)語(yǔ)義信息融入到視覺(jué)SLAM的各個(gè)環(huán)節(jié)中，前端VO部分利用語(yǔ)義信息代替特征點(diǎn)信息，簡(jiǎn)化計(jì)算流程；而后端優(yōu)化部分則可以添加語(yǔ)義信息為新的系統(tǒng)觀測(cè)點(diǎn)，進(jìn)行更全面的地圖點(diǎn)和軌跡優(yōu)化；在建圖環(huán)節(jié)則可以利用語(yǔ)義信息配合三維目標(biāo)分割進(jìn)行語(yǔ)義地圖的構(gòu)建，更好地指導(dǎo)機(jī)器人的后續(xù)路徑規(guī)劃和導(dǎo)航等功能。至今為止，視覺(jué)SLAM技術(shù)的相關(guān)發(fā)展已經(jīng)較為成熟，而語(yǔ)義SLAM因?yàn)樘岢鰰r(shí)間較短，相關(guān)研究相對(duì)比較初步，但是對(duì)于旨在實(shí)現(xiàn)更高難度復(fù)雜任務(wù)的機(jī)器人系統(tǒng)而言，語(yǔ)義SLAM的實(shí)現(xiàn)是必不可少的。依靠精準(zhǔn)的語(yǔ)義SLAM，機(jī)器人系統(tǒng)可以自主地實(shí)現(xiàn)更多更復(fù)雜的人機(jī)交互任務(wù)，對(duì)于實(shí)現(xiàn)機(jī)器人的全面智能化具有重大的研究意義和價(jià)值。從

第二章基于RGBD的無(wú)人機(jī)語(yǔ)義SLAM原型系統(tǒng)方案9第二章基于RGBD的無(wú)人機(jī)語(yǔ)義SLAM原型系統(tǒng)方案語(yǔ)義SLAM是由視覺(jué)SLAM引申而來(lái)，將目標(biāo)檢測(cè)模塊獲取的環(huán)境物體語(yǔ)義信息融入到視覺(jué)SLAM的前端VO、重定位、后端優(yōu)化、回環(huán)檢測(cè)和建圖環(huán)節(jié)中，并對(duì)其中一個(gè)或者多個(gè)環(huán)節(jié)進(jìn)行改進(jìn)，從而提高視覺(jué)SLAM系統(tǒng)的性能。語(yǔ)義SLAM的模塊主要包括視覺(jué)SLAM算法、環(huán)境語(yǔ)義信息提娶三維目標(biāo)分割和三維地圖生成模塊等，下面從視覺(jué)傳感器的選擇入手，闡述本文無(wú)人機(jī)語(yǔ)義SLAM系統(tǒng)的基礎(chǔ)方案。2.1視覺(jué)SLAM傳感器選擇視覺(jué)SLAM以各式各樣的視覺(jué)相機(jī)為主要傳感器來(lái)獲取環(huán)境中的信息。視覺(jué)傳感器相較于激光傳感器而言，性價(jià)比更高。至今為止，視覺(jué)SLAM系統(tǒng)中所用到的視覺(jué)傳感器主要分為三種，分別是單目、雙目和RGBD相機(jī)，不同種類的相機(jī)工作原理不同，性能也不同，所以適用的環(huán)境也不盡相同。單目相機(jī)根據(jù)小孔成像原理對(duì)環(huán)境中的視覺(jué)信息進(jìn)行采集。單目相機(jī)結(jié)構(gòu)簡(jiǎn)單，使用便捷，成本也最低，但是缺乏真實(shí)世界的尺度信息，并且會(huì)產(chǎn)生畸變，所以在使用之前常常需要事先進(jìn)行標(biāo)定，獲取相機(jī)的內(nèi)參對(duì)采集的圖像進(jìn)行矯正。此外，對(duì)于視覺(jué)SLAM而言，除了進(jìn)行標(biāo)定之外，還需要通過(guò)三角測(cè)量等方法才能獲取圖點(diǎn)的深度距離信息，從一定程度上消耗了計(jì)算平臺(tái)的算力，不太適用于性能受限的嵌入式平臺(tái)。圖2-1單目相機(jī)帶來(lái)的尺度誤差雙目相機(jī)從結(jié)構(gòu)上類似于人類的雙目視覺(jué)結(jié)構(gòu)，從實(shí)現(xiàn)原理上消除了單目相機(jī)的尺度不確定性。雙目相機(jī)可以理解為將兩個(gè)單目相機(jī)按照統(tǒng)一的幾何規(guī)則集成在了一起，其計(jì)算圖像深度信息的方式與單目相機(jī)有所不同，雙目相機(jī)通過(guò)兩

【參考文獻(xiàn)】：
期刊論文
[1]基于SSD算法的人臉目標(biāo)檢測(cè)的研究[J]. 楊璐,吳陳.  計(jì)算機(jī)技術(shù)與發(fā)展. 2019(10)
[2]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計(jì)算機(jī)學(xué)報(bào). 2017(06)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的手勢(shì)識(shí)別初探[J]. 蔡娟,蔡堅(jiān)勇,廖曉東,黃海濤,丁僑俊.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2015(04)

碩士論文
[1]基于AKAZE算法的三維重建研究[D]. 夏宇.南京郵電大學(xué) 2019
[2]基于ROS與RGBD傳感器的地圖構(gòu)建方法研究[D]. 富裕.沈陽(yáng)工業(yè)大學(xué) 2019
[3]基于計(jì)算機(jī)視覺(jué)的同步定位與三維建圖方法研究[D]. 李凈霖.哈爾濱工業(yè)大學(xué) 2019
[4]服務(wù)機(jī)器人室內(nèi)三維環(huán)境熱場(chǎng)建模及感知技術(shù)研究[D]. 劉雨.哈爾濱工業(yè)大學(xué) 2019
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的SAR圖像去噪和目標(biāo)檢測(cè)與識(shí)別[D]. 王琪.西安電子科技大學(xué) 2019
[6]基于稠密視覺(jué)SLAM的無(wú)人機(jī)三維地圖快速重建研究[D]. 彭思遠(yuǎn).電子科技大學(xué) 2019
[7]基于視覺(jué)SLAM的語(yǔ)義地圖研究[D]. 常思雨.哈爾濱工業(yè)大學(xué) 2018
[8]基于深度學(xué)習(xí)的短視頻內(nèi)容分析算法研究[D]. 李夏南.哈爾濱工業(yè)大學(xué) 2018
[9]基于單目視覺(jué)與IMU結(jié)合的SLAM技術(shù)研究[D]. 李建禹.哈爾濱工業(yè)大學(xué) 2018
[10]基于環(huán)境語(yǔ)義信息的SLAM算法研究與實(shí)現(xiàn)[D]. 魏樂(lè)麒.西安電子科技大學(xué) 2018



本文編號(hào)：3577067