本文關(guān)鍵詞：基于Project Tango的SLAM技術(shù)研究　出處：《武漢大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： SLAM Project Tango 運(yùn)動(dòng)姿態(tài) 視覺詞典 閉路檢測(cè)

【摘要】：近年,隨著無(wú)人機(jī)、虛擬現(xiàn)實(shí)、增強(qiáng)現(xiàn)實(shí)相關(guān)游戲和設(shè)備的迅速普及,即時(shí)定位與構(gòu)圖技術(shù)(simultaneous localization and mapping,以下簡(jiǎn)稱 SLAM技術(shù))成為了當(dāng)今研究的重點(diǎn)問(wèn)題之一,如今眾多廠家將該技術(shù)應(yīng)用到手機(jī)、眼鏡、平板設(shè)備中,如微軟的Kinect、谷歌的Project Tango設(shè)備等。搭載該技術(shù)的以上設(shè)備集成了 RGB相機(jī)、深度相機(jī)和其他傳感器,能夠克服傳統(tǒng)掃描設(shè)備的成本與專業(yè)性限制,可以實(shí)現(xiàn)以更低的成本和更快的速度重建出三維場(chǎng)景,現(xiàn)已被廣泛應(yīng)用于機(jī)器人、教育、室內(nèi)導(dǎo)航、虛擬購(gòu)物等領(lǐng)域。雖然基于移動(dòng)設(shè)備的SLAM技術(shù)具有低成本、便攜性等優(yōu)點(diǎn),但仍存在一些改善空間:一方面,移動(dòng)設(shè)備采集的數(shù)據(jù)深受噪聲影響,用戶操作不當(dāng)?shù)热藶橐蛩匾矊?dǎo)致數(shù)據(jù)抖動(dòng)和不連續(xù),這些問(wèn)題將嚴(yán)重影響三維重建的質(zhì)量;另一方面,在面對(duì)大規(guī)模場(chǎng)景時(shí),設(shè)備所需處理的數(shù)據(jù)量成倍增長(zhǎng),而設(shè)備本身CPU、內(nèi)存硬件資源有限,會(huì)降低定位與重建的實(shí)際處理速度。因此,如何保證時(shí)效性和建模質(zhì)量之間的平衡也將是SLAM技術(shù)中的重要問(wèn)題。為了深入研究SLAM技術(shù),本文將谷歌Project Tango設(shè)備作為實(shí)驗(yàn)對(duì)象,選取室內(nèi)場(chǎng)景的三維重建為應(yīng)用場(chǎng)景來(lái)展開工作。對(duì)于設(shè)備的原始數(shù)據(jù)噪聲大和硬件資源有限的問(wèn)題,本文針對(duì)系統(tǒng)誤差和噪聲影響提出基于Project Tango設(shè)備的校準(zhǔn)模型以及基于視覺詞典引入內(nèi)存管理方式的閉路檢測(cè)算法,以提高數(shù)據(jù)準(zhǔn)確性、減少累積誤差,并結(jié)合圖優(yōu)化算法編寫出可運(yùn)行于Project Tango設(shè)備的應(yīng)用程序,其核心內(nèi)容分為原始數(shù)據(jù)預(yù)處理、相機(jī)運(yùn)動(dòng)姿態(tài)檢測(cè)、全局姿態(tài)優(yōu)化三部分。方案的主要過(guò)程為:第一步,對(duì)原始數(shù)據(jù)預(yù)處理。通過(guò)一組實(shí)驗(yàn)對(duì)原始數(shù)據(jù)的特點(diǎn)進(jìn)行分析并從系統(tǒng)誤差和噪點(diǎn)兩方面分別建立校準(zhǔn)模型,為后續(xù)算法提供準(zhǔn)確的數(shù)據(jù)源;第二步,相機(jī)運(yùn)動(dòng)姿態(tài)檢測(cè)。在掃描場(chǎng)景過(guò)程的同時(shí),首先計(jì)算每幀圖像的特征向量并對(duì)相鄰幀圖像的特征點(diǎn)進(jìn)行匹配,其次采用改進(jìn)的RASAC和ICP算法進(jìn)行初步估計(jì),形成初步的場(chǎng)景模型;第三步,全局姿態(tài)優(yōu)化。當(dāng)掃描結(jié)束后先采用基于視覺詞典模型的閉路檢測(cè)算法,通過(guò)內(nèi)存管理方法嚴(yán)格控制用于檢測(cè)閉路的位置點(diǎn)數(shù)目,隨后應(yīng)用g2o框架實(shí)現(xiàn)全局的圖優(yōu)化確定最優(yōu)的運(yùn)動(dòng)姿態(tài),以期避免場(chǎng)景重疊,有效提高計(jì)算速度。本文的核心貢獻(xiàn)主要有:1.利用系統(tǒng)誤差和噪點(diǎn)模型對(duì)原始深度數(shù)據(jù)進(jìn)行預(yù)處理,從根源上降低累積誤差的發(fā)生幾率;2.基于視覺詞典模型引入內(nèi)存管理的方式進(jìn)行閉路檢測(cè),有效提高場(chǎng)景信息的準(zhǔn)確度和建模的質(zhì)量,而且整個(gè)建模過(guò)程由Project Tango設(shè)備獨(dú)立完成;最后,本文選取多組實(shí)驗(yàn)場(chǎng)景進(jìn)行實(shí)時(shí)三維重建,從建模質(zhì)量和處理效率兩種不同角度與Project Tango平臺(tái)已有的同類室內(nèi)建模程序Open Constructor展開定性和定量的結(jié)果分析以證實(shí)本算法的可行性和高效性。
【學(xué)位授予單位】：武漢大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張巖;李建增;李德良;杜玉龍;;特征匹配算法魯棒性與速度的對(duì)比分析[J];飛航導(dǎo)彈;2017年01期

2 王淵民;;基于特征點(diǎn)的圖像匹配算法[J];科技展望;2015年32期

3 賈松敏;王可;郭兵;李秀智;;基于RGB-D相機(jī)的移動(dòng)機(jī)器人三維SLAM[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年01期

4 梁明杰;閔華清;羅榮華;;基于圖優(yōu)化的同時(shí)定位與地圖創(chuàng)建綜述[J];機(jī)器人;2013年04期

5 杜振鵬;李德華;;基于KD-Tree搜索和SURF特征的圖像匹配算法研究[J];計(jì)算機(jī)與數(shù)字工程;2012年02期

6 李博;楊丹;鄧林;;移動(dòng)機(jī)器人閉環(huán)檢測(cè)的視覺字典樹金字塔TF-IDF得分匹配方法[J];自動(dòng)化學(xué)報(bào);2011年06期

7 熊云艷;毛宜軍;閔華清;;有序的KD-tree在圖像特征匹配上的應(yīng)用[J];化工自動(dòng)化及儀表;2010年10期

8 柯文德;蔡則蘇;李家蘭;;機(jī)器人同時(shí)定位與地圖構(gòu)建技術(shù)研究[J];計(jì)算機(jī)應(yīng)用研究;2010年04期

9 孫鳳池;黃亞樓;康葉偉;;基于視覺的移動(dòng)機(jī)器人同時(shí)定位與建圖研究進(jìn)展[J];控制理論與應(yīng)用;2010年04期

10 趙逢達(dá);孔今富;;一種基于圖像匹配的閉環(huán)檢測(cè)方法[J];燕山大學(xué)學(xué)報(bào);2008年02期

相關(guān)博士學(xué)位論文 前1條

1 劉利枚;機(jī)器人同時(shí)定位與建圖方法研究[D];中南大學(xué);2012年

相關(guān)碩士學(xué)位論文 前1條

1 陳賢巧;基于特征的圖像配準(zhǔn)算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2009年

，

本文編號(hào)：1329416