回環(huán)檢測算法對于視覺SLAM/SFM系統(tǒng)修正累積誤差具有重要意義,傳統(tǒng)的回環(huán)檢測方法基于圖像檢索的方式,難以解決視角差異較大情況下的圖像匹配的問題。近年來隨著SLAM/SFM在小型移動平臺上的應用越來越多,移動平臺由于其自身姿態(tài)需要,在同一地點的觀測視角可能差異較大,因此這種情境下的單目回環(huán)檢測問題亟待解決。本文提出融合幾何信息的回環(huán)檢測方法�；诘湫蚐LAM/SFM系統(tǒng)結構,本研究利用系統(tǒng)中已定位的關鍵幀和三維點云等幾何信息,在實際關鍵幀周邊多個角度渲染出虛擬關鍵幀,并提取虛擬描述子。文中建立了融合虛擬和實際關鍵幀的回環(huán)檢測策略。當實際關鍵幀無法完成回環(huán)檢測時,本研究利用虛擬關鍵幀和實際關鍵幀的圖像匹配,完成大視角差異情況下的回環(huán)檢測。同時,本文實現(xiàn)了一套完整SFM系統(tǒng),為融合幾何信息的回環(huán)檢測算法提供數(shù)據(jù)和系統(tǒng)支持。也可以利用提出的回環(huán)檢測方法進行系統(tǒng)修正。在自建回環(huán)檢測測試數(shù)據(jù)集中,相比傳統(tǒng)方法本文顯著提升了回環(huán)檢測的召回率。在精確度達到100%情況下,召回率比傳統(tǒng)方法提升了29.6%,本文還討論了不同描述子對于回環(huán)檢測性能的影響。對提升視覺SLAM系統(tǒng)的回環(huán)檢測能力有極大幫助。 

【文章來源】：上海交通大學上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：61 頁

【學位級別】：碩士

【部分圖文】：

ORBSLAM中對于SLAM系統(tǒng)各模塊關系的定義[5]

周邊環(huán)境三維點云，因此也需要對相關關鍵幀的相機姿態(tài)進 SFM 系統(tǒng)是[12]。圖 1-2 展示了 SFM 系統(tǒng)對于 colosseum 數(shù)，不同關鍵幀在三維空間中進行定位結算并重建出物體表面基于 image sequence 的 SFM 的過程當中，也面臨累積誤差問題，因此也可以使用回環(huán)檢測和優(yōu)化的方式，對三維姿態(tài)

獲得尺度空間，在每個尺度空間上使用 FAST[28],[29]特 所示，F(xiàn)AST 掃描圖像中所有點，如果某點周圍的 16 個則將改點認為是一個特征點。這種方法的優(yōu)點是速度上遜色于其他基于梯度的相關特征點檢測方法。ORB 的應尺度空間上的像素進行旋轉，之后采用 BRIEF 的算得固定的像素對，計算像素對亮度的相對大小，1/0 則


本文編號：2992587