本文主要涉及一種特定情況下的利用雙攝像頭進(jìn)行定位與導(dǎo)航的研究,即無人快遞車導(dǎo)航研究,其與普通自動(dòng)駕駛導(dǎo)航的區(qū)別在于無人車運(yùn)行的路線固定且已知并且不會(huì)經(jīng)常性變動(dòng),這使得導(dǎo)航難度大大降低。這種導(dǎo)航方式相對(duì)于GPS導(dǎo)航、磁導(dǎo)航、二維碼導(dǎo)航的優(yōu)點(diǎn)在于不需要外部信號(hào)和人工特殊標(biāo)記的輔助便能實(shí)現(xiàn)定位與導(dǎo)航。本文所討論的方法主要是利用雙目攝像頭對(duì)送貨路線周圍環(huán)境進(jìn)行掃描,并對(duì)沿途環(huán)境所成的像提取比較特殊且穩(wěn)定的特征點(diǎn),并記錄這些點(diǎn)在實(shí)際環(huán)境中的三維坐標(biāo)位置,構(gòu)建以特征點(diǎn)為基礎(chǔ)的路線地圖。在小車實(shí)際工作時(shí),實(shí)時(shí)對(duì)周圍環(huán)境進(jìn)行拍攝并與地圖進(jìn)行適配,從而得到小車的位置及朝向,從而達(dá)到導(dǎo)航的目的。本文中還創(chuàng)新地使用了梯度下降法來求解坐標(biāo)系之間的空間變換矩陣,使得求得的變換陣相對(duì)傳統(tǒng)方法求得的結(jié)果更貼合實(shí)際情況。本文主要涉及到如下內(nèi)容:1.相機(jī)畸變矯正。照片的質(zhì)量直接影響到定位的精度及導(dǎo)航效果,照片畸變程度過大或像素不夠,此導(dǎo)航方法將無法運(yùn)行。2.各圖像特征點(diǎn)選取算法對(duì)比。無人車導(dǎo)航不單單涉及到定位精度問題,同時(shí)也涉及到定位速度問題,要求具有一定的實(shí)時(shí)性。如果定位結(jié)果時(shí)滯較大,此定位對(duì)導(dǎo)航將沒有幫助,所以需要... 

【文章頁數(shù)】：73 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景與意義
    1.2 無人車技術(shù)國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 國(guó)外無人車研究現(xiàn)狀
        1.2.2 國(guó)內(nèi)無人車研究現(xiàn)狀
    1.3 本文的主要工作和內(nèi)容安排
第二章 相機(jī)畸變矯正及雙目定位原理
    2.1 相機(jī)畸變矯正
        2.1.1 相機(jī)畸變產(chǎn)生原因及矯正方法
    2.2 雙目定位原理
        2.2.1 照片坐標(biāo)系坐標(biāo)與小車坐標(biāo)系坐標(biāo)的轉(zhuǎn)換
        2.2.2 由點(diǎn)在照片坐標(biāo)系中坐標(biāo)得到該點(diǎn)在小車坐標(biāo)系中的坐標(biāo)
    2.3 本章小結(jié)
第三章 各特征點(diǎn)提取與匹配算法對(duì)比
    3.1 特征點(diǎn)提取
        3.1.1 SIFT挑選特征點(diǎn)過程
        3.1.2 其它幾種主流的特征點(diǎn)提取方案
        3.1.3 特征點(diǎn)匹配
        3.1.4 本設(shè)計(jì)中輔助的錯(cuò)誤匹配糾錯(cuò)方案
    3.2 各算法速度對(duì)比
    3.3 本章小結(jié)
第四章 三維云點(diǎn)地圖構(gòu)建
    4.1 空間變換矩陣
        4.1.1 空間變換矩陣形式
        4.1.2 梯度下降法
        4.1.3 梯度下降法獲得空間變換陣的具體步驟及其優(yōu)勢(shì)
    4.2 地圖構(gòu)建
        4.2.1 空間變換矩在地圖構(gòu)建中的使用
        4.2.2 路徑數(shù)據(jù)存儲(chǔ)及地圖擴(kuò)建
    4.3 本章小節(jié)
第五章 定位與導(dǎo)航
    5.1 路線的提取
    5.2 定位與導(dǎo)航
        5.2.1 小車初始定位
        5.2.2 導(dǎo)航
    5.3 本章小結(jié)
第六章 總結(jié)與展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]深度學(xué)習(xí)在視覺SLAM中應(yīng)用綜述[J]. 李少朋,張濤.  空間控制技術(shù)與應(yīng)用. 2019(02)
[2]基于RGB-D相機(jī)的SLAM技術(shù)研究綜述[J]. 陳世浪,吳俊君.  計(jì)算機(jī)工程與應(yīng)用. 2019(07)
[3]激光和視覺融合SLAM方法研究綜述[J]. 馬爭(zhēng)光,趙永國(guó),劉成業(yè),劉廣亮,朱琳.  計(jì)算機(jī)測(cè)量與控制. 2019(03)
[4]移動(dòng)機(jī)器人視覺SLAM的閉環(huán)檢測(cè)綜述[J]. 柯莉紅,王曉華.  單片機(jī)與嵌入式系統(tǒng)應(yīng)用. 2019(01)
[5]基于多傳感器的AGV定位誤差校正方法研究[J]. 曲立國(guó),鄧亞頌.  中北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(06)
[6]改進(jìn)ORB算法的圖像匹配[J]. 馬丹,賴惠成.  計(jì)算機(jī)仿真. 2018(10)
[7]SLAM室內(nèi)三維重建技術(shù)綜述[J]. 危雙豐,劉振彬,趙江洪,龐帆.  測(cè)繪科學(xué). 2018(07)
[8]移動(dòng)機(jī)器人SLAM關(guān)鍵問題和解決方法綜述[J]. 楊雪夢(mèng),姚敏茹,曹凱.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2018(07)
[9]RGB-D SLAM綜述[J]. 王旒軍,陳家斌,余歡,朱匯申.  導(dǎo)航定位與授時(shí). 2017(06)
[10]基于VSLAM的自主移動(dòng)機(jī)器人三維同時(shí)定位與地圖構(gòu)建[J]. 林輝燦,呂強(qiáng),王國(guó)勝,張洋,梁冰.  計(jì)算機(jī)應(yīng)用. 2017(10)

博士論文
[1]智能車輛視覺魯棒檢測(cè)與識(shí)別方法研究[D]. 盧笑.湖南大學(xué) 2015
[2]無人駕駛車輛智能水平的定量評(píng)價(jià)[D]. 孫揚(yáng).北京理工大學(xué) 2014

碩士論文
[1]典型二進(jìn)制描述子研究及性能評(píng)估[D]. 劉曉璐.西安電子科技大學(xué) 2014
[2]基于色差模型的彩色圖像灰度化算法研究[D]. 賀姣.西安電子科技大學(xué) 2014
[3]基于編碼結(jié)構(gòu)光的路面三維輪廓檢測(cè)[D]. 周陽陽.長(zhǎng)安大學(xué) 2012
[4]基于時(shí)間空間混合結(jié)構(gòu)光編碼的可移動(dòng)式三維掃描技術(shù)研究[D]. 田里.浙江大學(xué) 2010



本文編號(hào)：3657723