融合雙目視覺里程計和慣導(dǎo)信息的SLAM算法研究
發(fā)布時間:2021-05-08 01:23
同步定位與建圖(Simultaneous Localization and Mapping,SLAM)技術(shù)對于移動機(jī)器人實現(xiàn)環(huán)境的感知和交互具有重要意義。但是當(dāng)前的SLAM方法以特征點(diǎn)法、單目為主,針對在遮擋、運(yùn)動模糊、運(yùn)動過快和無紋理區(qū)域等復(fù)雜環(huán)境下,移動機(jī)器人難以實現(xiàn)高精度定位的問題,本文基于雙目視覺和慣導(dǎo)信息融合,提出了基于直接法的雙目視覺慣導(dǎo)SLAM框架。首先,針對特征點(diǎn)法提取稀疏特征點(diǎn)影響定位準(zhǔn)確性的問題,提出了基于直接法的慣性測量單元(Inertial Measurement Unit,IMU)輔助特征追蹤的方法。利用圖像像素梯度變化,對大量區(qū)域塊進(jìn)行下采樣提取特征點(diǎn),為了更好的利用該點(diǎn)的信息,擴(kuò)展該點(diǎn)的選取方式構(gòu)建八維殘差,共享該點(diǎn)的深度信息。在特征追蹤過程中,根據(jù)IMU短期估計的優(yōu)點(diǎn),利用IMU的測量信息將該點(diǎn)進(jìn)行旋轉(zhuǎn),在下一幀投影位置中對離群值進(jìn)行剔除和篩選以減少錯誤匹配。另外,為了提高關(guān)鍵幀選擇的準(zhǔn)確性,除了在關(guān)鍵幀決策時加入傳統(tǒng)的視角變化,還加入了遮擋和曝光時間約束條件,以避免冗余關(guān)鍵幀消費(fèi)系統(tǒng)資源。實驗結(jié)果表明,加入IMU測量信息后可以很好的檢測到離群值,提高了...
【文章來源】:燕山大學(xué)河北省
【文章頁數(shù)】:85 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
第1章 緒論
1.1 課題研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 視覺SLAM研究現(xiàn)狀
1.2.2 視覺慣導(dǎo)SLAM研究現(xiàn)狀
1.2.3 語義拓?fù)浠丨h(huán)檢測研究現(xiàn)狀
1.3 本文課題來源及研究內(nèi)容
第2章 視覺和IMU信息預(yù)處理
2.1 引言
2.2 幾何相機(jī)模型
2.2.1 針孔相機(jī)模型
2.2.2 畸變參數(shù)
2.2.3 雙目立體相機(jī)模型
2.3 IMU模型分析
2.3.1 IMU觀測模型和運(yùn)動模型
2.3.2 IMU預(yù)積分
2.4 相機(jī)和IMU標(biāo)定
2.4.1 相機(jī)和IMU聯(lián)合標(biāo)定
2.4.2 光度標(biāo)定
2.5 IMU輔助特征追蹤與關(guān)鍵幀決策的方法
2.5.1 點(diǎn)管理
2.5.2 幀管理
2.6 本章小結(jié)
第3章 雙目視覺慣導(dǎo)融合的聯(lián)合優(yōu)化
3.1 引言
3.2 系統(tǒng)框架
3.3 狀態(tài)估計和非線性優(yōu)化
3.3.1 初始化
3.3.2 狀態(tài)估計
3.3.3 非線性優(yōu)化和邊緣化
3.4 實驗驗證
3.4.1 軌跡定量分析
3.4.2 長期漂移誤差評估
3.5 本章小結(jié)
第4章 基于語義拓?fù)涞貓D的回環(huán)檢測
4.1 引言
4.2 基于Mask R-CNN網(wǎng)絡(luò)的語義拓?fù)涞貓D構(gòu)建
4.2.1 基于Mask R-CNN語義地圖創(chuàng)建
4.2.2 語義拓?fù)涞貓D構(gòu)建
4.3 BoW閉環(huán)檢測的構(gòu)建
4.3.1 可重復(fù)特征點(diǎn)的選擇
4.3.2 閉環(huán)候選項的檢測和位姿校正
4.4 實驗驗證
4.4.1 語義拓?fù)涞貓D
4.4.2 回環(huán)檢測數(shù)據(jù)定量分析
4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果
致謝
【參考文獻(xiàn)】:
碩士論文
[1]室內(nèi)移動機(jī)器人區(qū)域語義地圖創(chuàng)建及目標(biāo)搜索方法研究[D]. 羅盼.哈爾濱工業(yè)大學(xué) 2018
本文編號:3174403
【文章來源】:燕山大學(xué)河北省
【文章頁數(shù)】:85 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
第1章 緒論
1.1 課題研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 視覺SLAM研究現(xiàn)狀
1.2.2 視覺慣導(dǎo)SLAM研究現(xiàn)狀
1.2.3 語義拓?fù)浠丨h(huán)檢測研究現(xiàn)狀
1.3 本文課題來源及研究內(nèi)容
第2章 視覺和IMU信息預(yù)處理
2.1 引言
2.2 幾何相機(jī)模型
2.2.1 針孔相機(jī)模型
2.2.2 畸變參數(shù)
2.2.3 雙目立體相機(jī)模型
2.3 IMU模型分析
2.3.1 IMU觀測模型和運(yùn)動模型
2.3.2 IMU預(yù)積分
2.4 相機(jī)和IMU標(biāo)定
2.4.1 相機(jī)和IMU聯(lián)合標(biāo)定
2.4.2 光度標(biāo)定
2.5 IMU輔助特征追蹤與關(guān)鍵幀決策的方法
2.5.1 點(diǎn)管理
2.5.2 幀管理
2.6 本章小結(jié)
第3章 雙目視覺慣導(dǎo)融合的聯(lián)合優(yōu)化
3.1 引言
3.2 系統(tǒng)框架
3.3 狀態(tài)估計和非線性優(yōu)化
3.3.1 初始化
3.3.2 狀態(tài)估計
3.3.3 非線性優(yōu)化和邊緣化
3.4 實驗驗證
3.4.1 軌跡定量分析
3.4.2 長期漂移誤差評估
3.5 本章小結(jié)
第4章 基于語義拓?fù)涞貓D的回環(huán)檢測
4.1 引言
4.2 基于Mask R-CNN網(wǎng)絡(luò)的語義拓?fù)涞貓D構(gòu)建
4.2.1 基于Mask R-CNN語義地圖創(chuàng)建
4.2.2 語義拓?fù)涞貓D構(gòu)建
4.3 BoW閉環(huán)檢測的構(gòu)建
4.3.1 可重復(fù)特征點(diǎn)的選擇
4.3.2 閉環(huán)候選項的檢測和位姿校正
4.4 實驗驗證
4.4.1 語義拓?fù)涞貓D
4.4.2 回環(huán)檢測數(shù)據(jù)定量分析
4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果
致謝
【參考文獻(xiàn)】:
碩士論文
[1]室內(nèi)移動機(jī)器人區(qū)域語義地圖創(chuàng)建及目標(biāo)搜索方法研究[D]. 羅盼.哈爾濱工業(yè)大學(xué) 2018
本文編號:3174403
本文鏈接:http://www.sikaile.net/shoufeilunwen/xixikjs/3174403.html
最近更新
教材專著