發(fā)布時間：2017-05-21 11:15

  本文關(guān)鍵詞：高精度實時視覺定位的關(guān)鍵技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：基于機器視覺的定位算法是智能移動機器人領(lǐng)域內(nèi)的熱點問題,通過分析包含在圖像序列中的靜態(tài)場景一致性信息,視覺定位可以幫助移動機器人更準確地獲得當前位置與姿態(tài)信息,保證移動機器人安全、高效地完成指定任務(wù)。 本文以大范圍復(fù)雜環(huán)境中移動機器人的高精度實時定位為目標,圍繞精度、實時性、魯棒性三個關(guān)鍵問題進行研究。為了準確估計機器人6個自由度的位姿信息,首先構(gòu)建了基于特征點匹配的雙目立體視覺里程計(Visual Odometry, VO)。為了提高定位精度,第二章提出了兩階段局部雙目光束法平差(Two-stage local binocular bundle adjustment, TLBBA),充分利用雙目圖像序列中的信息和約束,對運動估計結(jié)果進行優(yōu)化。第三章通過合理設(shè)計系統(tǒng)中的算法模塊,充分利用計算資源和算法的可并行性,實現(xiàn)了可以實時工作的雙目立體VO。為了提高復(fù)雜環(huán)境中局部運動估計的魯棒性,第四章提出了一種基于自適應(yīng)多特征表觀模型的壓縮特征,通過跟蹤移動機器人前進方向的圖像片(圖像中的子窗口區(qū)域),獲得航向角增量的魯棒估計值,防止不可靠的運動估計結(jié)果對定位結(jié)果造成影響。為了抑制移動機器人在大范圍環(huán)境中漫游時定位誤差的累積,提出了基于在線全景圖像路標的全局位姿校正算法,有效解決了路徑漂移問題。本文的主要工作和創(chuàng)新性研究成果如下： 1)提出了一種兩階段局部雙目光束法平差優(yōu)化算法,充分利用圖像序列中的一致性信息,提高了基于特征點匹配的雙目立體VO的定位精度。在該算法的第一階段,對單步運動估計結(jié)果進行優(yōu)化,相比基于三維點不確定度的最大似然估計優(yōu)化,該算法使用誤差分布更加均勻的二維特征點不確定度,而且引入了約束更加豐富合理的雙目模型；在該算法的第二階段,同樣基于雙目模型和特征點不確定度權(quán)重,同時優(yōu)化滑動窗口內(nèi)的運動參數(shù)與三維結(jié)構(gòu)。與傳統(tǒng)單目模型LBA相比,TLBBA優(yōu)化時的參數(shù)初始值更加準確,目標函數(shù)的構(gòu)成更加科學(xué),優(yōu)化精度高。 2)提出并實現(xiàn)了一種實時雙目VO系統(tǒng),為了在保證定位精度的前提下盡量提高處理速度,該VO系統(tǒng)基于GPGPU提取SIFT特征點,基于網(wǎng)格匹配法進行特征控制,在運動估計時基于GPGPU實現(xiàn)RanSaC結(jié)合HORN最小二乘方法。最后,把整個系統(tǒng)劃分為兩個線程,進行流水線處理：特征匹配線程負責(zé)特征點提取、匹配和三維點對重建；運動估計線程負責(zé)運動估計、兩階段局部雙目光束法平差(TLBBA)優(yōu)化、累積單步運動參數(shù)得到機器人全局位姿。 3)提出了一種基于自適應(yīng)多特征圖像片壓縮跟蹤的局部航向角計算方法,可以在雙目圖像序列缺少一致性特征時,更魯棒地計算出移動機器人的航向角變化。為了提高圖像片跟蹤的精度和實時性,提出了一種壓縮空間中的自適應(yīng)多特征表觀建模方法：構(gòu)造了稀疏的二級隨機測量矩陣對SURF特征進行壓縮,使原來單純基于亮度特征的視覺表達更加豐富準確,描述能力更強；通過分析特征對目標和背景的區(qū)分能力,自適應(yīng)地調(diào)整統(tǒng)計模型內(nèi)特征之間的權(quán)重,抑制冗余、無用的特征,提高了統(tǒng)計模型的效率和準確性。 4)提出了一種基于在線全景圖像路標的全局位姿校正方法。該方法使用兩種尺度的自適應(yīng)壓縮特征對全景圖像進行建模,可以快速準確地從路標庫中找到當前圖像的最佳匹配；該方法通過檢測路口,有效提高了路標圖像的利用率和匹配準確率,進一步降低了匹配代價。移動機器人在重新訪問路標場景時,通過求解當前圖像與路標圖像間的運動差異,對位姿進行校正,消除回路中的累積誤差,提高了定位系統(tǒng)在大范圍復(fù)雜環(huán)境中的精度和魯棒性。
【關(guān)鍵詞】：視覺里程計 特征點匹配 運動估計 光束法平差 GPGPU 壓縮跟蹤 自適應(yīng)多特征表觀模型 局部航向角計算 壓縮全景路標 全局位姿校正
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TP242
【目錄】：

• 致謝5-7
• 摘要7-9
• Abstract9-16
• 圖目錄16-19
• 表目錄19-20
• 1 緒論20-49
• 1.1 研究背景和意義20-26
• 1.2 傳統(tǒng)定位與視覺定位26-32
• 1.2.1 傳統(tǒng)定位方法26-28
• 1.2.2 基于視覺的定位方法28-31
• 1.2.3 視覺定位算法性能比較31-32
• 1.3 視覺里程計算法的發(fā)展32-36
• 1.4 基于特征點匹配的雙目視覺里程計基本原理36-46
• 1.4.1 特征點的檢測與描述38-40
• 1.4.2 特征匹配40-42
• 1.4.3 特征點三維重建42-43
• 1.4.4 運動估計43-45
• 1.4.5 雙目VO的關(guān)鍵問題45-46
• 1.5 論文內(nèi)容和結(jié)構(gòu)46-49
• 2 視覺里程計的高精度優(yōu)化49-78
• 2.1 引言49-50
• 2.2 相關(guān)工作50-52
• 2.2.1 維特征點的不確定度50-51
• 2.2.2 三維點的不確定度計算51
• 2.2.3 最大似然估計51-52
• 2.3 兩階段局部雙目光束法平差52-59
• 2.3.1 BA與LBA52-55
• 2.3.2 TLBBA55-59
• 2.4 實驗結(jié)果與分析59-77
• 2.4.1 實驗設(shè)備與測試環(huán)境59-61
• 2.4.2 性能指標61
• 2.4.3 校園環(huán)境實驗結(jié)果與分析61-68
• 2.4.4 KITTI數(shù)據(jù)集實驗結(jié)果68-77
• 2.5 本章小結(jié)77-78
• 3 實時雙目視覺里程計的實現(xiàn)78-99
• 3.1 引言78-79
• 3.2 GPGPU概述79-82
• 3.2.1 GPU與CPU性能比較79-81
• 3.2.2 基于GLSL的GPGPU編程81-82
• 3.3 基于GPGPU的SIFT特征提取82-87
• 3.3.1 尺度空間極值檢測82-84
• 3.3.2 關(guān)鍵點定位84
• 3.3.3 關(guān)鍵點主方向計算84-85
• 3.3.4 關(guān)鍵點特征描述85-86
• 3.3.5 基于GPGPU加速的SIFT算法86-87
• 3.4 基于GPGPU加速的運動估計87-91
• 3.4.1 基于三對三維點的HORN運動估計方法87-89
• 3.4.2 基于RanSaC的外點濾除89-90
• 3.4.3 基于GPGPU加速的運動估計算法90-91
• 3.5 基于網(wǎng)格篩選的特征控制91-93
• 3.6 基于多線程的并行處理93-94
• 3.7 實驗結(jié)果與分析94-98
• 3.7.1 基于GPGPU的SIFT特征提取實驗結(jié)果94-96
• 3.7.2 基于GPGPU的運動估計實驗結(jié)果96
• 3.7.3 實時雙目VO系統(tǒng)實驗結(jié)果96-98
• 3.8 本章小結(jié)98-99
• 4 基于自適應(yīng)多特征圖像片壓縮跟蹤的局部航向角計算99-120
• 4.1 引言99-101
• 4.2 基于壓縮感知的自適應(yīng)多特征圖像片表觀模型101-107
• 4.2.1 壓縮亮度特征101-102
• 4.2.2 壓縮SURF特征102-104
• 4.2.3 基于特征區(qū)分度的自適應(yīng)統(tǒng)計模型104-107
• 4.3 基于圖像片壓縮跟蹤的局部航向角計算107-111
• 4.4 實驗結(jié)果分析111-119
• 4.4.1 自適應(yīng)多特征表觀模型的性能分析111-114
• 4.4.2 基于圖像片壓縮跟蹤的航向角計算精度測試114-117
• 4.4.3 基于圖像片跟蹤的航向角計算對定位結(jié)果的改善117-119
• 4.5 本章小結(jié)119-120
• 5 基于在線全景圖像路標的全局位姿校正120-143
• 5.1 引言120-123
• 5.2 基于自適應(yīng)壓縮特征的全景圖像描述123-125
• 5.3 在線建立全景路標125-128
• 5.3.1 路標檢測125-127
• 5.3.2 路標描述127-128
• 5.4 全局位姿校正128-133
• 5.4.1 基于多級特征的任意方向路標匹配128-131
• 5.4.2 位姿校正131-133
• 5.5 實驗結(jié)果與分析133-142
• 5.5.1 全景圖像中自適應(yīng)壓縮特征的匹配特性133-138
• 5.5.2 全局位姿校正算法的性能分析138-139
• 5.5.3 “增強型”視覺定位系統(tǒng)139-142
• 5.6 本章小結(jié)142-143
• 6 總結(jié)與展望143-146
• 6.1 本文工作總結(jié)143-145
• 6.2 研究工作展望145-146
• 參考文獻146-153
• 攻讀博士期間學(xué)術(shù)成果153

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 葉學(xué)義,莊鎮(zhèn)泉,張云超,水孝敏;基于多模板特征點融合的指紋識別[J];中國圖象圖形學(xué)報;2005年02期

2 王愷;靳簡明;史廣順;王慶人;;基于特征點的漢字字體識別研究[J];電子與信息學(xué)報;2008年02期

3 張桂梅;任偉;徐芬;;基于特征點和最小面積的曲線描述和匹配[J];計算機應(yīng)用;2009年04期

4 葉東;解邦福;劉博;;一種基于共面特征點的單攝像機姿態(tài)測量方法研究[J];宇航計測技術(shù);2009年06期

5 趙宏宇;李燕華;侯振杰;多化瓊;;一種自適應(yīng)特征點最優(yōu)分組匹配的策略[J];計算機工程與應(yīng)用;2011年29期

6 董蓉;李勃;陳啟美;;基于局部不變特征點數(shù)據(jù)集的目標跟蹤算法[J];儀器儀表學(xué)報;2012年09期

7 齊恒;李克秋;申彥明;;基于特征點組合聚類的圖像檢索新方法[J];大連理工大學(xué)學(xué)報;2014年04期

8 胡明昊,任明武,楊靜宇;一種快速實用的特征點匹配算法[J];計算機工程;2004年09期

9 鄭明玲,劉衡竹;遙感圖像配準中特征點選擇的高性能算法研究及其實現(xiàn)[J];計算機學(xué)報;2004年09期

10 宋漢辰,吳玲達,魏迎梅;離散特征點探測算法[J];系統(tǒng)仿真學(xué)報;2005年03期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 汪力;葉樺;夏良正;;利用特征點定位嘴巴[A];第二十六屆中國控制會議論文集[C];2007年

2 付洪川;王劍;萬嬋;趙建英;付凱;;圖像特征點匹配算法的研究與改進[A];2009中國控制與決策會議論文集（1）[C];2009年

3 溫文雅;陳建華;;一種基于特征點的圖像匹配算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

4 任明武;胡明昊;楊靜宇;;一種快速實用的特征點匹配算法[A];全面建設(shè)小康社會：中國科技工作者的歷史責(zé)任——中國科協(xié)2003年學(xué)術(shù)年會論文集（上）[C];2003年

5 許競;姜波;;攝像機運動下特征點追蹤方法研究[A];2011下一代自動測試系統(tǒng)學(xué)術(shù)研討會論文集[C];2011年

6 張?zhí)?王希常;蘇志榮;;基于特征點和輪廓檢測的粘連數(shù)字分割[A];圖像圖形技術(shù)與應(yīng)用進展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2008年

7 杜鵬飛;彭代強;林幼權(quán);;基于二乘向量機的特征點配準算法[A];第十四屆全國信號處理學(xué)術(shù)年會(CCSP-2009)論文集[C];2009年

8 楊向林;嚴洪;任兆瑞;陳靖一;;基于小波變換的ECG信號多特征點綜合檢測算法[A];第八屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2010年

9 舒志龍;阮秋琦;;基于KLT特征點跟蹤的圖象拼接[A];中國體視學(xué)學(xué)會圖像分析專業(yè)、中國體視學(xué)學(xué)會仿真與虛擬現(xiàn)實專業(yè)、中國航空學(xué)會信號與信息處理專業(yè)第一屆聯(lián)合學(xué)術(shù)會議論文集[C];2000年

10 韓廣良;陳小云;;利用多特征點搜索實現(xiàn)紙鈔圖像的狀態(tài)檢測[A];第九屆全國信息獲取與處理學(xué)術(shù)會議論文集Ⅱ[C];2011年

中國重要報紙全文數(shù)據(jù)庫 前3條

1 本報記者 王宇;芯技術(shù)點亮未來[N];電腦報;2010年

2 孫新堯;如何測量繪制地形圖[N];伊犁日報(漢);2006年

3 魏剛;中國進入指紋消費時代[N];北京科技報;2007年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 廖斌;基于特征點的圖像配準技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2008年

2 楊占龍;基于特征點的圖像配準與拼接技術(shù)研究[D];西安電子科技大學(xué);2008年

3 楊利敏;圖像特征點定位算法研究及其應(yīng)用[D];上海交通大學(xué);2008年

4 魯統(tǒng)偉;前視目標圖像匹配定位技術(shù)研究[D];華中科技大學(xué);2008年

5 李旭東;基于特征點的增強現(xiàn)實三維注冊算法研究[D];天津大學(xué);2009年

6 戴激光;漸進式多特征異源高分辨率衛(wèi)星影像密集匹配方法研究[D];遼寧工程技術(shù)大學(xué);2013年

7 楊奎元;基于深層結(jié)構(gòu)的圖像內(nèi)容分析及其應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2012年

8 賀毅岳;顱面統(tǒng)計復(fù)原關(guān)鍵技術(shù)研究[D];西北大學(xué);2012年

9 李建國;火星探測器自主光學(xué)著陸導(dǎo)航方法研究[D];哈爾濱工業(yè)大學(xué);2014年

10 盧維;高精度實時視覺定位的關(guān)鍵技術(shù)研究[D];浙江大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 全曉沙;基于特征點分類的實時多目標檢測與跟蹤[D];浙江大學(xué);2011年

2 邢曉陽;基于特征點的模型分割算法設(shè)計及其實現(xiàn)[D];電子科技大學(xué);2012年

3 戚世貴;基于圖像特征點的提取匹配及應(yīng)用[D];吉林大學(xué);2006年

4 李櫟楠;單目視覺測頭成像三維測量技術(shù)及特征點角度偏置誤差補償研究[D];吉林大學(xué);2008年

5 趙越;多方法融合的圖像特征點匹配算法研究[D];中南大學(xué);2009年

6 左鳳艷;基于特征點的運動目標檢測和跟蹤算法研究[D];山東大學(xué);2009年

7 柴佳麗;立體視覺圖像特征點的提取與快速匹配[D];河北大學(xué);2010年

8 席躍;大型工件特征點三維測量系統(tǒng)研究[D];西安科技大學(xué);2009年

9 李鵑;基于特征點定位的虛擬試戴的研究[D];上海交通大學(xué);2011年

10 吳娜;基于自動標記特征點的快速人臉識別算法[D];西安電子科技大學(xué);2009年

  本文關(guān)鍵詞：高精度實時視覺定位的關(guān)鍵技術(shù)研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：383490