无人机自主导航的单目视觉SLAM技术研究

发布时间：2020-10-20 13:49

　　 无人机(Unmanned Aerial Vehicle,UAV)自主导航是发展必然趋势。自主导航任务可划分为定位、建图、路径规划三要素,同步定位与建图(Simultaneous Localization and Mapping,SLAM)技术解决了前两个关键问题。视觉传感器具有低成本、小型化等优点,因此视觉SLAM被认为是实现无人机在未知环境中自主导航的关键技术。本文选择适应场景更广泛的单目相机作为前端传感器,从无人机视觉SLAM的实时性、鲁棒性、定位精度出发,在现有理论框架下分作两部分开展研究。首先,研究了基于半直接法的单目视觉里程计(Visual Odometry,VO)。针对半直接法运动估计存在的问题,在局部地图跟踪阶段提出了两点改进:第一,通过对投影点局部区域融入鲁棒性更高的ORB点特征匹配,以改善运动估计易会陷入局部最优的缺点;第二,提出了基于密度的跟踪策略,以改善局部地图跟踪在特征分布集中的场景中鲁棒性不足的缺点。在TUM数据集上实验结果表明:本文ORB点特征匹配正确率为98.6%,平均能优化5.20个像素误差。在ICL-NUIM数据集上实验结果表明:相比均匀跟踪策略,本文的密度跟踪法具有较好的鲁棒性。然后,研究了基于关键帧的建图及后端图优化。针对基于时间采样或空间变换的关键帧策略不能较好的适用于无人机悬停、旋转、前向视角等飞行方式的问题,本文考虑场景的视觉变化,提出了一种结合视觉与空间变换的关键帧策略,能够较完整的保存场景信息。在特征提取方面,本文选用ORB点特征替换半直接法原有的FAST角点,针对低纹理场景中ORB点特征提取数量不足的缺点,增加了梯度点、线特征进行改善,并分析了梯度点特征参与运动估计的方式,而对于线特征,本文通过提取线两端处的梯度点特征,建立两点的联系从而完成对线特征的表示,省去了空间直线的参数化,接着作为点特征参与运动估计,这种方法优点在于即使线特征被检测为伪线段、或是被遮挡,两端梯度点仍可独立开来。针对前端视觉里程计存在累积误差的问题,提出了本文的后端图优化策略。实验结果表明:梯度特征与密度跟踪法结合具有更好的鲁棒性;本文基于关键帧的地图重建能准确的表示场景细节,线特征丰富了场景的结构信息,基于点、线的重建地图表达更为直观,且有利于进一步的避障、路径规划等。最后,构建了本文SLAM系统,并进行了综合评测实验。实时性方面,本文SLAM能达到75fps的帧率。定位精度方面,在TUM数据集上实验结果表明:不加入后端优化的本文VO相比SVO、PLSVO分别提高了80.95%、69.01%;本文SLAM相比LSD-SLAM提高了56.11%,且在鲁棒性上优于PTAM、LSD-SLAM,ORB-SLAM高于本文SLAM 51.07%。在无人机数据集EUROC上实验结果表明:本文SLAM相比本文VO提高了65.35%;本文VO部分结果高于SVO(edgelets)38.72%,相比无闭环的LSD-SLAM提高了52.55%。
【学位单位】：南京航空航天大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：V279;V249.3
【部分图文】：

（c）谷歌无人驾驶车 （b）波士顿机器人“惊天三跳”图 1. 1 SLAM 技术的应用领域1.2 SLAM 技术国内外研究现状SLAM 这一概念最早源自于斯坦福大学 Smith 的论文[1]，意为同步定位与建图，是指在没有先验信息的情况下，获取传感器数据，定位自身的同时增量式地感知周围环境。Leonard 和Durrant-Whyte 将机器人的一次自主导航任务划分为三要素：“我在哪？”，“我所在环境如何？”以及“我该如何去往目的地？”，它们分别代表定位，建图与路径规划[2]。SLAM 解决了自主导航的前两个问题，被认为是移动机器人实现自主化的关键技术。SLAM 在传感器的实现主要可分为激光和视觉两大类，早期 SLAM 研究[3]通常采用高精度的激光雷达作为前端数据传感器，通过激光雷达能得到距离角度信息，但它具有成本昂贵的缺点。近年来，计算机视觉发展迅猛，相机逐渐小型化及低成本化，视觉 SLAM 成为了热点研究方向，图 1. 2 为视觉 SLAM 的组成及其研究方向的划分。视觉 SLAM 从传感器上可以划分为单目、双目及 RGB-D 相机。它们的区别在于：单目相机不能直接获得像素的深度信息，但可以在一个尺度下通过连续图像的匹配、跟踪恢复场景结构，适用于各种规模的场景。双目相机通

图 1. 2 视觉 SLAM 的组成及其研究方向的划分.1 视觉里程计研究现状视觉里程计（VisualOdometry，VO）作为视觉 SLAM 前端重要的组成部分，用于从视获取图像序列，估计相机位姿，这里的位姿针对于无人机在三维空间的运动，由 3 自转与 3 自由度的平移组成。视觉里程计从实现方式上分为特征点法及直接法。.1.1 特征点法特征点法提取图像中稀疏的特征点，通过描述子完成帧间匹配，然后根据特征点间 22D 到 3D 或是 3D 到 3D 的约束关系使用对极几何、PNP 或 ICP 等算法求解位姿。Da于 2007 年提出的 MonoSLAM[4]采用了特征点法，通过图像块特征表示地图点，是第的单目视觉SLAM系统，但是它仅能跟踪很稀疏的特征点。同年Klein提出的PTAM（Pking and Mapping）[5]创新性的实现了跟踪与建图过程的并行化，并首次有了前端与后：前端为跟踪线程，根据获取的图像数据实时估计位姿；后端引入了关键帧机制，实的非线性优化。后续多数应用于无人机的视觉里程计[6][7]也都依赖于 PTAM，但 PTA

无人机自主导航的单目视觉 SLAM 技术研究2015 年 Zhang G 等人提出了仅包含线特征的双目 SLSLAM，其通过两种不同的表示对线段参数化：普吕克线坐标用于有效初始化新观测的线特征及空间直线的投影，而在图优化模型中采用正交表示[12]。2017 年谢晓佳在 SLSLAM 的基础上，改进了线特征的提取、匹配，提出了点线综合的图优化后端框架，构建了较为完善的包含点线特征的双目 SLAM 系统[13]；2017 年Pumarola 等人提出的 PL-SLAM[14]是基于点线特征的实时单目系统，结合 ORB-SLAM 理论框架，将线特征融入单目初始化，位姿估计，关键帧筛选等策略中。
【相似文献】

相关期刊论文 前10条

1 祁健诚;;基于双目SLAM的室内导航系统[J];通讯世界;2019年01期

2 吴林峰;王录涛;;图优化SLAM的嵌入式处理技术[J];成都信息工程大学学报;2019年02期

3 卢天利;;基于地面匹配的单目SLAM局部尺度恢复[J];工业控制计算机;2019年08期

4 罗润鑫;余柳平;陈梦强;黄军;邬依林;;SLAM问题中机器人定位误差分析与控制[J];科学技术创新;2019年26期

5 董蕊芳;柳长安;杨国田;程瑞营;;基于图优化的单目线特征SLAM算法[J];东南大学学报(自然科学版);2017年06期

6 蔡来良;杨望山;王姗姗;朱学练;;SLAM在室内测绘仪器研发中的应用综述[J];矿山测量;2017年04期

7 杨祥红;王希彬;;无人机主动SLAM技术研究[J];系统仿真技术;2015年04期

8 王超杰;苏中;连晓峰;赵旭;;搜救环境中的仿生蛇形机器人SLAM方法[J];计算机工程与设计;2015年08期

9 吴晓琳;宋萌;苑晶;孙凤池;陶通;;通讯范围受限条件下的多机器人主动SLAM[J];系统工程与电子技术;2012年10期

10 野舟;;SLAM-ER导弹达到两项新里程碑[J];战术导弹技术;2009年06期

相关博士学位论文 前10条

1 王洪玲;移动机器人适应搜救环境的同时定位和地图构建（SLAM）方法研究[D];山东大学;2018年

2 刘丹;智能车辆同时定位与建图关键技术研究[D];北京工业大学;2018年

3 陈孟元;移动机器人仿生SLAM算法研究[D];中国科学技术大学;2019年

4 张超凡;基于多目视觉与惯导融合的SLAM方法研究[D];中国科学技术大学;2019年

5 金红岩;PPRV全长基因克隆及H蛋白与SLAM受体相互作用的研究[D];中国农业科学院;2014年

6 王丹丹;水下无人潜器同步定位与地图生成方法研究[D];哈尔滨工程大学;2017年

7 苑全德;基于视觉的多机器人协作SLAM研究[D];哈尔滨工业大学;2016年

8 赵一路;人机交互环境下的主动SLAM及相关问题研究[D];复旦大学;2013年

9 刘浩敏;面向复杂环境的鲁棒高效的三维注册与结构恢复[D];浙江大学;2017年

10 康轶非;不依赖GPS定位理论及方法研究[D];北京交通大学;2015年

相关硕士学位论文 前10条

1 陈文;基于深度相机的移动机器人SLAM研究[D];重庆邮电大学;2019年

2 漆保凌;室内环境下的移动机器人视觉SLAM导航研究及系统实现[D];重庆邮电大学;2019年

3 谢瑒;无人机自主导航的单目视觉SLAM技术研究[D];南京航空航天大学;2019年

4 余士超;基于RGB-D相机的视觉SLAM技术研究[D];南京航空航天大学;2019年

5 汪永生;基于结构特征的故障卫星SLAM相对导航技术研究[D];南京航空航天大学;2019年

6 漆钰晖;基于激光SLAM的3D点云配准优化方法研究[D];南昌大学;2019年

7 张停伟;基于双目视觉的三维重构算法研究[D];宁夏大学;2019年

8 丁仁杰;基于激光视觉信息的AGV即时定位与地图构建方法研究[D];哈尔滨工业大学;2019年

9 盛家豪;基于视觉SLAM的小车路径规划研究[D];哈尔滨工业大学;2019年

10 张建波;动态环境下基于语义分割的视觉SLAM方法研究[D];哈尔滨工业大学;2019年

本文编号：2848761