發(fā)布時間：2022-10-20 13:15

　　環(huán)境感知和導(dǎo)航定位是機(jī)器人領(lǐng)域的基本問題之一。實(shí)時定位與建圖（Simultaneous localization and mapping,SLAM）是機(jī)器人感知周圍環(huán)境與獲取自身位姿的重要手段。因?yàn)橐曈X傳感器具有成本低、信息豐富等優(yōu)點(diǎn),所以被廣泛應(yīng)用于SLAM領(lǐng)域。視覺SLAM逐漸成為學(xué)術(shù)界的研究熱點(diǎn)。目前,絕大多數(shù)視覺SLAM（Visual SLAM）系統(tǒng)只能在靜態(tài)場景下正常工作。若圖像中存在運(yùn)動物體干擾,將影響機(jī)器人定位與建圖的精度和魯棒性。因此,本文研究動態(tài)環(huán)境下的定位與建圖問題。在動態(tài)環(huán)境下,利用視覺信息實(shí)時估計(jì)相機(jī)自身的位姿,同時實(shí)時估計(jì)視野中運(yùn)動物體的位姿,盡可能排除動態(tài)物體的干擾,提升定位與建圖的精度和魯棒性。本文主要研究工作歸納如下:第一,針對動態(tài)環(huán)境下相機(jī)位姿估計(jì)問題,本文提出了一種基于運(yùn)動一致性的運(yùn)動物體分割算法。該算法首先將當(dāng)前幀圖像與上一幀圖像進(jìn)行特征匹配,并計(jì)算特征點(diǎn)的運(yùn)動向量。接下來,對特征點(diǎn)集進(jìn)行三角剖分,創(chuàng)建特征點(diǎn)之間的連接關(guān)系。然后,根據(jù)特征點(diǎn)運(yùn)動向量的一致性剔除不穩(wěn)定的連接關(guān)系,將特征點(diǎn)集劃分為運(yùn)動點(diǎn)和靜態(tài)點(diǎn)。最后,只采用靜態(tài)點(diǎn)估計(jì)相機(jī)位姿。實(shí)驗(yàn)結(jié)果... 

【文章頁數(shù)】：88 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景與意義
        1.1.1 研究背景
        1.1.2 動態(tài)環(huán)境下視覺SLAM問題描述
        1.1.3 動態(tài)環(huán)境下視覺SLAM的挑戰(zhàn)
    1.2 論文所設(shè)計(jì)技術(shù)與研究現(xiàn)狀
        1.2.1 視覺傳感器的研究現(xiàn)狀
        1.2.2 基于靜態(tài)假設(shè)的視覺SLAM研究現(xiàn)狀
        1.2.3 動態(tài)場景下視覺SLAM研究現(xiàn)狀
    1.3 本文研究內(nèi)容與創(chuàng)新點(diǎn)
        1.3.1 主要研究內(nèi)容
        1.3.2 創(chuàng)新點(diǎn)與貢獻(xiàn)
    1.4 本文章節(jié)安排
第2章 動態(tài)環(huán)境下的視覺里程計(jì)
    2.1 算法框架
    2.2 相機(jī)模型
        2.2.1 針孔相機(jī)模型
        2.2.2 畸變校正
    2.3 圖像預(yù)處理
        2.3.1 提取特征點(diǎn)
        2.3.2 特征點(diǎn)匹配
    2.4 運(yùn)動區(qū)域分割
        2.4.1 建立特征點(diǎn)連接
        2.4.2 運(yùn)動一致性檢驗(yàn)
        2.4.3 提取靜態(tài)背景區(qū)域
    2.5 相機(jī)運(yùn)動估計(jì)
        2.5.1 相機(jī)位姿表示方法
        2.5.2 PnP算法
        2.5.3 RANSAC算法
    2.6 關(guān)鍵幀選取策略
    2.7 本章小結(jié)
第3章 動態(tài)環(huán)境下的視覺SLAM系統(tǒng)
    3.1 算法框架
    3.2 相機(jī)位姿后端優(yōu)化
        3.2.1 構(gòu)建局部地圖
        3.2.2 集束調(diào)整
    3.3 基于局部地圖一致性的運(yùn)動物體分割
        3.3.1 建立地圖點(diǎn)連接關(guān)系
        3.3.2 優(yōu)化地圖點(diǎn)的連接關(guān)系
        3.3.3 剔除不穩(wěn)定的連接關(guān)系
        3.3.4 分割運(yùn)動點(diǎn)云
    3.4 回環(huán)檢測
        3.4.1 詞袋模型
        3.4.2 運(yùn)動物體遮擋區(qū)域補(bǔ)償
        3.4.3 回環(huán)校正
    3.5 算法實(shí)驗(yàn)評估
        3.5.1 算法運(yùn)行平臺
        3.5.2 TUM數(shù)據(jù)集實(shí)驗(yàn)
        3.5.3 雙目相機(jī)數(shù)據(jù)集實(shí)驗(yàn)
        3.5.4 回環(huán)檢測實(shí)驗(yàn)
        3.5.5 時間效率分析
    3.6 本章小結(jié)
第4章 運(yùn)動物體跟蹤和位姿估計(jì)
    4.1 算法框架
    4.2 運(yùn)動物體特征點(diǎn)跟蹤
        4.2.1 特征點(diǎn)的管理策略
        4.2.2 特征點(diǎn)融合
        4.2.3 深度一致性檢驗(yàn)
        4.2.4 增加運(yùn)動物體上的特征點(diǎn)
    4.3 運(yùn)動物體位姿估計(jì)
    4.4 算法實(shí)驗(yàn)評估
        4.4.1 算法運(yùn)行平臺
        4.4.2 評價指標(biāo)
        4.4.3 實(shí)驗(yàn)設(shè)計(jì)
        4.4.4 實(shí)驗(yàn)結(jié)果分析
        4.4.5 時間效率分析
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 論文總結(jié)
    5.2 論文展望
參考文獻(xiàn)



本文編號：3694584