室内未知环境自主定位的自适应加权快速扩展信息滤波模型

发布时间：2017-05-16 13:04

  本文关键词：室内未知环境自主定位的自适应加权快速扩展信息滤波模型，由笔耕文化传播整理发布。

【摘要】：近年来，随着三维点云数据处理技术的发展，其中未知环境中自主定位，实现全局拼接有着广阔的发展前景。以往的拼接不能实现在未知环境中自主的进行特征点提取，自主完成点云数据的拼接，实现三维视图重现。而且针对点云数据数据量之大，多特征信息之多，，利用全部的点云数据进行自主定位，其消耗的工作量是非常大的。而本文针对Kinect点云数据实现室内未知环境的自主定位进行研究，由于Kinect数据精度的限制，及现有的序列式拼接算法远远不能满足自动定位精度要求，因此，提出一种基于室内未知环境自主定位的自适应加权的快速扩展信息滤波模型，实现室内未知环境的同时定位与创建地图（SLAM）。 本文基于Kinect采集设备在单目立体视觉及激光测距相机的数据融合进行室内自主定位并且进行三维重建的要求，针对不同特征信息对测站点位置姿态精度的不一致，对传统滤波模型进行改进，构建融合不同精度观测量的自适应加权快速扩展信息滤波模型。该模型是采用上海地铁隧道点云数据及Kinect深度影像生成的点云数据与摄像头采集影像两种数据源为实验数据。具体研究的内容包括以下方面：基于影像与BaySAC算法的点云拼接，用拼接转换参数作为信息滤波的系统状态信息向量；多特征信息（如室内特征点、墙面拟合面的法向量、边界线等信息）进行自适应性加权处理后，作为信息滤波中的观测模型的观测数据；根据多特征信息精度与测站点距离成反比的关系对特征信息进行分类，实现信息矩阵的稀疏化。 本文采用Kinect采集的数据及隧道点云数据进行实验验证。实验包括：利用影像及BaySAC算法提取的特征点及根据拟合面或中轴线提取多特征信息，实现多特征信息提取及信息融合实现三维特征观测量加权实验；隧道中轴线自动提取与室内数据平面自动提取，采用整体加权最小二乘法拟合中轴线，提高观测值的精度；实现自适应加权的快速扩展信息滤波模型。实验结果表明，本文提出的未知环境自主定位的自适应加权的快速扩展信息滤波模型能够满足在未知环境中自主定位的要求，提高了在全局坐标系下的拼接精度；对Kinect点云数据的三维模型重建的要求基本上可以满足。
【关键词】：三维激光扫描 自主定位与地图创建 扩展信息滤波 Kinect 信息矩阵稀疏化
【学位授予单位】：中国地质大学（北京）
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：P228
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-19
• 1.1 选题背景与意义10-11
• 1.2 国内外研究现状11-14
• 1.3 研究内容14-19
• 1.3.1 研究内容与方法14-16
• 1.3.2 技术路线与文章结构16-19
• 第2章 常用定位算法19-27
• 2.1 同时定位与制图算法19-25
• 2.1.1 同时定位与制图算法特点19-20
• 2.1.2 SLAM 的方法20-25
• 2.1.2.1 粒子滤波器的 SLAM 方法20-21
• 2.1.2.2 FastSLAM 的 SLAM 方法21
• 2.1.2.3 扩展卡尔曼滤波的 SLAM 方法21-22
• 2.1.2.4 扩展信息滤波的 SLAM 方法22-25
• 2.2 SLAM 存在问题25-26
• 2.3 本章小结26-27
• 第3章 自适应加权快速扩展信息滤波模型27-51
• 3.1 扩展卡尔曼滤波模型27-32
• 3.1.1 卡尔曼滤波原理27-32
• 3.1.1.1 线性卡尔曼滤波27-30
• 3.1.1.2 扩展卡尔曼滤波30-32
• 3.2 自适应性加权快速扩展信息滤波模型32-50
• 3.2.1 理论基础33
• 3.2.2 状态空间和系统模型33-35
• 3.2.2.1 系统信息空间33-34
• 3.2.2.2 系统状态模型34-35
• 3.2.3 系统增广模型35-39
• 3.2.3.1 基于影像及 BaySAC 算法的双站拼接35-38
• 3.2.3.2 增广模型38-39
• 3.2.4 观测模型39-47
• 3.2.4.1 多特征信息39-45
• 3.2.4.2 同名点观测模型45-46
• 3.2.4.3 多特征观测模型46-47
• 3.2.5 状态增广47-48
• 3.2.6 更新48
• 3.2.7 信息矩阵稀疏化48-50
• 3.3 本章小结50-51
• 第4章 实验与分析51-75
• 4.1 室内 Kinect 自主定位实验51-65
• 4.1.1 Kinect 实验数据51-52
• 4.1.2 基于影像及 BaySac 算法的双站拼接52-53
• 4.1.3 多特征信息提取53-57
• 4.1.3.1 拟合拟合精度分析53-54
• 4.1.3.2 基于影像及 BaySAC 算法序列拼接精度54-56
• 4.1.3.3 多特征信息拼接精度56-57
• 4.1.4 扩展卡尔曼滤波模型57-58
• 4.1.5 扩展信息滤波模型58-59
• 4.1.6 结合多特征的扩展卡尔曼模型59-61
• 4.1.7 结合多特征的扩展信息模型61-65
• 4.2 隧道点云数据自主定位实验65-74
• 4.2.1 隧道实验数据65-66
• 4.2.2 中轴线自动提取66-69
• 4.2.3 隧道数据自主定位实验69-74
• 4.3 本章小结74-75
• 第5章 结论与展望75-77
• 5.1 研究工作总结75
• 5.2 主要贡献与创新75-76
• 5.3 进一步工作与展望76-77
• 参考文献77-82
• 研究生期间发表学术论文情况82-83
• 致谢83

【参考文献】

中国期刊全文数据库 前10条

1 陈小宁;黄玉清;杨佳;;多传感器信息融合在移动机器人定位中的应用[J];传感器与微系统;2008年06期

2 蔡来良;吴侃;张舒;;点云平面拟合在三维激光扫描仪变形监测中的应用[J];测绘科学;2010年05期

3 王荣;杨雪;;计算隧道轴线三维坐标偏差方法的介绍及探讨[J];测绘技术装备;2011年02期

4 侯超钧;曾艳姗;吴东庆;杨志伟;;全局连续的分段最小二乘曲线拟合方法[J];重庆师范大学学报(自然科学版);2011年06期

5 贾丰蔓;康志忠;于鹏;;影像同名点匹配的SIFT算法与贝叶斯抽样一致性检验[J];测绘学报;2013年06期

6 罗荣华,洪炳昒;基于信息融合的同时定位与地图创建研究[J];哈尔滨工业大学学报;2004年05期

7 陈兴林;李鹏;宋申民;;基于模糊自适应卡尔曼滤波算法的多传感器信息融合[J];航天控制;2011年01期

8 罗荣华,洪炳昒;移动机器人同时定位与地图创建研究进展[J];机器人;2004年02期

9 王璐,蔡自兴;未知环境中移动机器人并发建图与定位(CML)的研究进展[J];机器人;2004年04期

10 董海巍;陈卫东;;基于稀疏化的快速扩展信息滤波SLAM算法[J];机器人;2008年03期

  本文关键词：室内未知环境自主定位的自适应加权快速扩展信息滤波模型，由笔耕文化传播整理发布。

本文编号：370891