基于水下图像信息的同步定位与地图构建方法研究

发布时间：2021-12-02 19:48

　　同步定位与地图构建（Simultaneous Localization and Mapping,SLAM）技术,可以在未知的作业区域,机器人通过自身传感器来获取周围环境的特征推算出其位姿,并借助定位信息逐渐更新出周围的环境地图。水下自主机器人的作业特点通常是时间长、隐蔽性强。视觉SLAM技术可以利用视觉信息在航行器没有配备导航系统或者其它定位导航方法失效的时候提供定位导航功能。实现基于水下视觉的同步定位与地图构建解决方案,本文主要的研究工作有:1.通过图像序列信息获取相机内参。在只有图像信息的条件下,本文的相机标定方法区别于传统方法,直接采用图像信息获得相机传感器的模型参数,得到三维空间和二维测量数据之间的数学映射关系。2.ORB（Oriented FAST and Rotated BRIEF）特征点提取算法能够满足系统的实时性要求,针对提取的特征点在图像中分别不均匀的问题,本文采用格栅化图像分区域提取的方法。为提高特征点匹配的速率,本文借助词袋模型构建的字典、借助运动先验知识加速特征点的匹配。在提升特征点匹配的正确率方面,运用匹配特征点对的方向差的统计规律来剔除错误匹配。3.设计一个... 

【文章来源】：哈尔滨工程大学黑龙江省 211工程院校

【文章页数】：89 页

【学位级别】：硕士

【部分图文】：

悉尼大学Oberon航行器国内也有一部分的研究机构从事水下航行器的SLAM研究工作，中国海洋大学和哈尔

第 1 章 绪论的位姿。2011 年 Newcombe 等人提出的通过 GPU 加速获得实时处理效果的 DTAM[14]（稠密跟踪与建图）算法，标志着基于直接跟踪的视觉 SLAM 的开端， DTAM 对图像的特征缺少、图像模糊有很强的鲁棒性，但是模型的扩展效率较低，图 1.3 右图是该算法运行示意图。为了减小计算量，2013 年由 Engel 等提出了仅恢复半稠密地图的 LSD-SLAM[15]，并且 LSD-SLAM 采用关键帧表达场景，每个像素深度独立计算，所以其计算效率大大提高。上述的视觉 SLAM 算法框架中，基于线性滤波的不适合大场景下的定位运用；基于直接跟踪的视觉 SLAM，其庞大的计算量会对设备的性能提出要求，而且很难应用于对设备耗能要求苛刻的水下航行器中。本文主要是为了在民用领域的工作在浅水环境中的水下航行器提供水下定位方案。研究运用在水下航行器中的基于特征的视觉 SLAM，因为其对设备的要求低加上航行器运动平稳而具有可行性。

第2章 相机标定与特征点提取于图像的水下视觉系统中，相机作为水下航行器感知环境的器件，把型参数是研究真实环境到测量数据之间联系的先决条件。图像形式的巨大，所以找到能够表征图像特征的特征点对后续研究的研究过程至模型相机的模型有很多，但是用的比较多的也相对简单的是针孔模型[16]。在坐标系下进行的，讨论相机模型会设计到以下坐标系：界坐标系 ( , ,)TW W WX Y Z ；机坐标系 ( , ,)TC C CX Y Z ，坐标原点在相机光心；理成像平面 ( x ,y )，在距相机光心一倍焦距的平面上的像平面坐标系素平面坐标系 ( u ,v )，和物理成像平面共面，原点位于图像的左上角行，v 轴向下与 y 轴平行。


本文编号：3529085