發(fā)布時(shí)間：2020-10-28 18:43

　　 近年來(lái),隨著無(wú)線通信技術(shù)的迅猛發(fā)展,用戶對(duì)位置服務(wù)的需求也在不斷增長(zhǎng)。通過(guò)智能移動(dòng)終端獲取位置信息并為生活提供幫助,已經(jīng)成為當(dāng)下人們生活中不可或缺的一部分�；谖恢眯畔⒌膽�(yīng)用服務(wù)已經(jīng)逐漸滲透到了生活中的各個(gè)領(lǐng)域,并表現(xiàn)出了良好的市場(chǎng)前景。然而,目前室內(nèi)場(chǎng)景中的定位服務(wù)仍處于研究和開發(fā)階段,大規(guī)模投入商業(yè)運(yùn)營(yíng)的室內(nèi)定位系統(tǒng)并不多。定位精度較低以及定位成本較高是制約室內(nèi)定位技術(shù)發(fā)展的主要原因。室內(nèi)場(chǎng)景中的視覺定位由于其自身的技術(shù)特點(diǎn),在實(shí)際應(yīng)用中表現(xiàn)出了較高的定位精度和較低的定位成本,因此,近年來(lái)受到了越來(lái)越多的關(guān)注。通過(guò)分析視覺定位技術(shù)的國(guó)內(nèi)外研究現(xiàn)狀可知,已有的室內(nèi)視覺定位系統(tǒng)存在以下幾個(gè)問(wèn)題:首先,視覺定位算法對(duì)三維稠密地圖的精度要求較高,而目前并沒(méi)有針對(duì)視覺定位需求而提出的高精度三維稠密地圖創(chuàng)建算法;其次,在視覺定位過(guò)程中,利用已有算法進(jìn)行數(shù)據(jù)庫(kù)圖像檢索時(shí),由于這些檢索算法并沒(méi)有針對(duì)數(shù)據(jù)庫(kù)圖像的特點(diǎn)進(jìn)行優(yōu)化和改進(jìn),因此,圖像檢索效率較低,圖像檢索的時(shí)間開銷較大;最后,雖然可以通過(guò)不同的方法解決單目視覺定位中的尺度歧義問(wèn)題,但是,這些方法在確定尺度系數(shù)的過(guò)程中,并沒(méi)有充分考慮相機(jī)位置關(guān)系對(duì)尺度估計(jì)的影響。更重要的是,目前沒(méi)有效的手段可以解決視覺定位過(guò)程中的累積誤差問(wèn)題。針對(duì)上述問(wèn)題,本文的研究?jī)?nèi)容主要集中于以下三個(gè)方面:第一,針對(duì)三維稠密地圖創(chuàng)建精度偏低的問(wèn)題,本文提出了基于多源數(shù)據(jù)約束的三維稠密地圖創(chuàng)建算法。在室內(nèi)三維稠密地圖創(chuàng)建中,為了使地圖創(chuàng)建算法適用于不同的室內(nèi)環(huán)境,本文算法利用二維點(diǎn)云、三維點(diǎn)云和視覺特征,并通過(guò)多維迭代最近點(diǎn)方法進(jìn)行三維稠密地圖的創(chuàng)建。同時(shí),利用圖像點(diǎn)優(yōu)化函數(shù)和空間點(diǎn)優(yōu)化函數(shù)將地圖優(yōu)化問(wèn)題轉(zhuǎn)化為多目標(biāo)優(yōu)化問(wèn)題,并通過(guò)第二代非支配排序遺傳算法對(duì)優(yōu)化問(wèn)題求取帕累托最優(yōu)解,從而實(shí)現(xiàn)了三維稠密地圖的局部?jī)?yōu)化。此外,本文算法還利用多源數(shù)據(jù)實(shí)現(xiàn)了相機(jī)軌跡的閉環(huán)檢測(cè),并在此基礎(chǔ)上完成了地圖的全局優(yōu)化。與現(xiàn)有的地圖創(chuàng)建算法相比,利用本文算法創(chuàng)建的三維稠密地圖在相機(jī)位置精度方面和地圖精度方面具有明顯優(yōu)勢(shì),即使在視覺特征密度較低的室內(nèi)場(chǎng)景中,本文算法也表現(xiàn)出了良好的建圖性能。第二,針對(duì)室內(nèi)定位系統(tǒng)中圖像檢索時(shí)間開銷過(guò)大的問(wèn)題,本文提出了面向視覺定位的圖像分層聚類檢索算法。該算法首先在離線階段對(duì)數(shù)據(jù)庫(kù)圖像進(jìn)行分層聚類,然后,查詢圖像根據(jù)聚類結(jié)果對(duì)數(shù)據(jù)庫(kù)圖像進(jìn)行分層檢索。在同一場(chǎng)景中,數(shù)據(jù)庫(kù)圖像的視覺特征具有較高的相關(guān)性。因此,根據(jù)數(shù)據(jù)庫(kù)圖像的這一特點(diǎn),本文提出了基于全局特征變點(diǎn)檢測(cè)的圖像聚類方法以及基于局部特征跟蹤的圖像聚類方法,并在此基礎(chǔ)上構(gòu)造了用于圖像檢索的搜索樹,從而實(shí)現(xiàn)了查詢圖像對(duì)數(shù)據(jù)庫(kù)圖像的分層檢索。此外,本文從理論上分析了分層圖像檢索算法的時(shí)間開銷,并通過(guò)仿真實(shí)驗(yàn)證明了利用本文算法對(duì)數(shù)據(jù)庫(kù)圖像進(jìn)行分層聚類后,圖像檢索效率明顯提高。相比單層圖像聚類檢索算法以及其他多層圖像聚類檢索算法,本文算法在檢索圖像數(shù)目上具有明顯優(yōu)勢(shì)。第三,針對(duì)單目相機(jī)位置估計(jì)中的尺度歧義和累積誤差問(wèn)題,本文提出了基于漂移檢測(cè)的單目相機(jī)位置估計(jì)算法。該算法以室內(nèi)三維稠密地圖為基礎(chǔ),并充分考慮相機(jī)間相對(duì)位置關(guān)系對(duì)尺度估計(jì)的影響,提出了基于加權(quán)最小二乘的視覺定位尺度估計(jì)方法。此外,該算法中還提出了基于地圖交互的相機(jī)位置漂移檢測(cè)方法。該方法以相機(jī)與地圖之間的信息交互為基礎(chǔ),通過(guò)線模型隨機(jī)采樣最大似然估計(jì)算法對(duì)相機(jī)的累積位置誤差進(jìn)行計(jì)算,從而實(shí)現(xiàn)了對(duì)相機(jī)的位置漂移檢測(cè)。本文分析了相機(jī)絕對(duì)位置估計(jì)算法中可能存在的異常值,并給出了基于肖維勒準(zhǔn)則的異常值剔除方法。此外,本文從理論上對(duì)相機(jī)位置估計(jì)算法的不確定度進(jìn)行了分析。仿真實(shí)驗(yàn)結(jié)果表明,本文提出的尺度估計(jì)算法有助于提高相機(jī)的絕對(duì)位置估計(jì)精度,漂移檢測(cè)算法可以實(shí)現(xiàn)對(duì)相機(jī)累積位置誤差的估計(jì),通過(guò)適時(shí)地切換定位方式,可以有效解決定視覺定位中的累積誤差問(wèn)題。
【學(xué)位單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位年份】：2019
【中圖分類】：TP391.41;TN92
【部分圖文】：

圖 3-3 實(shí)際場(chǎng)景中基于視覺信息的閉環(huán)誤檢測(cè)se detection of the loop closure based on visual information i依賴視覺信息的閉環(huán)檢測(cè)方法存在缺陷，而這種缺接導(dǎo)致相機(jī)的位姿估計(jì)產(chǎn)生誤差，尤其是當(dāng)場(chǎng)景會(huì)嚴(yán)重影響數(shù)據(jù)庫(kù)相機(jī)的位置精度。因此，本文提軌跡閉環(huán)檢測(cè)算法，該算法充分利用地圖創(chuàng)建設(shè)備，并利用這些數(shù)據(jù)對(duì)相機(jī)的重訪位置進(jìn)行估計(jì)，盡前的訪問(wèn)位置。圖創(chuàng)建過(guò)程中的時(shí)間開銷問(wèn)題，并不是對(duì)地圖創(chuàng)建進(jìn)行閉環(huán)檢測(cè)，而是在地圖創(chuàng)建設(shè)備所采集的數(shù)據(jù)幀進(jìn)行閉環(huán)檢測(cè)。閉環(huán)檢測(cè)過(guò)程中要利用與關(guān)鍵幀三維點(diǎn)云數(shù)據(jù)對(duì)閉環(huán)檢測(cè)結(jié)果進(jìn)行約束。常用的關(guān)像序列中進(jìn)行等圖像間隔的關(guān)鍵幀選取[140,141]，或行等間距的關(guān)鍵幀選取[142]。但是，這種等圖像間法會(huì)在某些情況下因關(guān)鍵幀的漏選而丟失重要的[143,

同一場(chǎng)景中數(shù)據(jù)庫(kù)圖像的集合。.1 Gist 特征提取與特征預(yù)處理Gist 特征是一種模擬人類視覺系統(tǒng)的生物啟發(fā)特征，其優(yōu)勢(shì)在于利多方向的 Gabor 濾波器對(duì)圖像進(jìn)行特征信息提取，得到的特征可以像的紋理和輪廓信息[147]。為了降低特征匹配過(guò)程的計(jì)算復(fù)雜度，低全局特征向量的維度。因此，對(duì)圖像提取 Gist 特征時(shí)，不對(duì)查數(shù)據(jù)庫(kù)圖像進(jìn)行網(wǎng)格劃分，而是將整幅圖像看作是一個(gè)網(wǎng)格。對(duì)于圖像和數(shù)據(jù)庫(kù)圖像，采用具有 3 個(gè)尺度（ 1, 2,3GS ）和 6 =0 60 120 180 240G ， ， ， ， ，300 ，36 0）的 Gabor 濾波器對(duì)圖像進(jìn)行濾波過(guò) 18（3 6 18）通道濾波器對(duì)圖像進(jìn)行卷積，再級(jí)聯(lián)卷積結(jié)果，個(gè) 18 維的 Gist 特征向量G 。通過(guò)對(duì)查詢圖像和數(shù)據(jù)庫(kù)圖像分別提，可以得到查詢圖像的全局特征QG 以及數(shù)據(jù)庫(kù)圖像的全局特征iDG 庫(kù)圖像的索引號(hào)）。通常，可以通過(guò)光譜圖實(shí)現(xiàn) Gist 特征的可視化，為不同場(chǎng)景中的數(shù)據(jù)庫(kù)圖像及其對(duì)應(yīng)的 Gist 特征光譜圖。

c) 匹配視覺特征點(diǎn)c) Matched visual features圖 5-3 匹配特征Fig.5-3 Matched feature points本質(zhì)矩陣 E 分解得到的旋轉(zhuǎn)矩陣R11 21 31 Er r r R 1= Et t 根據(jù)式（5-8）和（5-9）可以將式11 21 31 1iD iu r v r r 式（5-10）中包含了二維圖像位置
【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 蔣宏駿;紀(jì)則軒;孫權(quán)森;;基于Gabor特征的稀疏表示紋理分割研究[J];現(xiàn)代電子技術(shù);2015年10期

2 周凱汀;鄭力新;;基于改進(jìn)ORB特征的多姿態(tài)人臉識(shí)別[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2015年02期

3 桂振文;劉越;陳靖;王涌天;徐志偉;;一種適用于智能手機(jī)的圖像識(shí)別算法[J];電子學(xué)報(bào);2014年08期

4 張運(yùn)超;陳靖;王涌天;;基于城市級(jí)位置服務(wù)的移動(dòng)增強(qiáng)現(xiàn)實(shí)[J];電子學(xué)報(bào);2014年08期

5 肖志濤;張文寅;耿磊;張芳;吳駿;;雙目視覺系統(tǒng)測(cè)量精度分析[J];光電工程;2014年02期

6 楊昭;高雋;謝昭;吳克偉;;局部Gist特征匹配核的場(chǎng)景分類[J];中國(guó)圖象圖形學(xué)報(bào);2013年03期

本文編號(hào)：2860458