基于单目视觉的无人机SLAM技术研究
发布时间：2021-07-13 00:54
随着无人机应用场景的不断扩展,所面临的使用环境也越来越复杂,甚至是未知的场所。因此,对环境的智能感知能力对智能无人机而言,则显得越来越重要,这也是无人机发展的一个重要方向。同时定位与地图构建（Simultaneous Localization and Mapping,SLAM）作为无人机、无人车为代表的智能体核心技术,在智能化领域占有重要的地位。SLAM技术能够解决机器人定位以及环境地图的重建,这也是智能感知的基础。而视觉SLAM,特别是单目视觉SLAM,由于能够运用机载相机,而无需增配其他传感器,来提供丰富、人眼可见信息的同时,来构建地图和实现定位,因而在载荷限制较多的智能无人机上应用广泛。但是,现有的单目视觉SLAM方法中存在容易受光照影响而产生过多的地图噪声,以及无人机轨迹估计不够准确造成算法的适用性不强,鲁棒性不高等问题,在一定程度上影响了该技术在无人机上的应用。因此,本文首先针对直接法DSO（Direct Sparse Odometry）容易受到光照条件影响的缺陷,提出一种基于DoN（Difference of Normal）的点云后端优化方法。该方法首先把点云栅格化,并计算...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：94 页
【学位级别】：硕士
【部分图文】：
无人机的应用
年，A.J.Davison等人[22]结合前人完善的SLAM基础框架提出了一种仅依赖于单目视觉的SLAM系统—MonoSLAM，系统运行如图1-5所示，该系统提取前端很稀疏的特征点，后端采用拓展的卡尔曼滤波算法，并借此加以监测追踪，使视觉SLAM得以在标准PC上以30Hz的速度实时运行。MonoSLAM的问世导致后面涌现的许多关于视觉SLAM系统都是以MonoSLAM系统为基础实现的。它的贡献在于使SLAM可以有效地运行，证实了只依靠单个相机也可以实时地完成定位与建图等工作[23]。但是MonoSLAM存在着诸如应用场景窄及稀疏特征点十分容易被跟丢的缺陷。图1-5MonoSLAM运行图PTAM（ParallelTrackingandMapping）系统是牛津大学的GeorgKlein等人[24]在2007年提出的，其工作运行如图1-6所示。PTAM系统的出现是视觉SLAM发展过程中的关键事件，PTAM创新性地采用特征点追踪与构建地图的同时运行，采用新兴的非线性优化方法作为后端优化算法。但它有着使用范围场景小，容易
第一章绪论7跟丢目标等明显缺陷。图1-6PTAM运行图2015年由RaulMur-Artal等人[25]提出的ORB-SLAM是PTAM的一位十分出名的继承者，其运行状况如图1-7所示。ORB-SLAM的到来是基于特征点法SLAM的一个重要里程碑。ORB-SLAM算法通过提取图像的ORB特征，进行帧间匹配，从而完成自身相机的定位与周围环境地图的构建。ORB-SLAM系统具有广泛的适用性，可根据不同场景的需要搭载三种类型的相机，将追踪、局部地图构建和回环检测进行分离，并被后续众多研究者认同和采用。相较于其他SLAM系统，ORB-SLAM系统有着卓越的用于回环检测的算法，能够有效的减少累积误差，还能进行重定位等操作，但是ORB-SLAM依旧存在着一些缺陷。为了获得图像的特征点，需要对每幅图像都计算一遍ORB特征，需要花费的时间很长。而且ORB-SLAM的点云建图为非常稀疏的，无法满足导航、避障等功能的要求[26]。图1-7ORB-SLAM运行图2017年由RaulMur-Artal等人[27]在以ORB-SLAM为基础改进提出了ORB-SLAM2。改进之后方法的适用性沿袭了ORB-SLAM的优点，可以根据具体需要搭载单目、双目或深度相机。整个算法分为三个线程，可以很好地配合后端
本文编号：3281004
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：94 页
【学位级别】：硕士
【部分图文】：
无人机的应用
年，A.J.Davison等人[22]结合前人完善的SLAM基础框架提出了一种仅依赖于单目视觉的SLAM系统—MonoSLAM，系统运行如图1-5所示，该系统提取前端很稀疏的特征点，后端采用拓展的卡尔曼滤波算法，并借此加以监测追踪，使视觉SLAM得以在标准PC上以30Hz的速度实时运行。MonoSLAM的问世导致后面涌现的许多关于视觉SLAM系统都是以MonoSLAM系统为基础实现的。它的贡献在于使SLAM可以有效地运行，证实了只依靠单个相机也可以实时地完成定位与建图等工作[23]。但是MonoSLAM存在着诸如应用场景窄及稀疏特征点十分容易被跟丢的缺陷。图1-5MonoSLAM运行图PTAM（ParallelTrackingandMapping）系统是牛津大学的GeorgKlein等人[24]在2007年提出的，其工作运行如图1-6所示。PTAM系统的出现是视觉SLAM发展过程中的关键事件，PTAM创新性地采用特征点追踪与构建地图的同时运行，采用新兴的非线性优化方法作为后端优化算法。但它有着使用范围场景小，容易
第一章绪论7跟丢目标等明显缺陷。图1-6PTAM运行图2015年由RaulMur-Artal等人[25]提出的ORB-SLAM是PTAM的一位十分出名的继承者，其运行状况如图1-7所示。ORB-SLAM的到来是基于特征点法SLAM的一个重要里程碑。ORB-SLAM算法通过提取图像的ORB特征，进行帧间匹配，从而完成自身相机的定位与周围环境地图的构建。ORB-SLAM系统具有广泛的适用性，可根据不同场景的需要搭载三种类型的相机，将追踪、局部地图构建和回环检测进行分离，并被后续众多研究者认同和采用。相较于其他SLAM系统，ORB-SLAM系统有着卓越的用于回环检测的算法，能够有效的减少累积误差，还能进行重定位等操作，但是ORB-SLAM依旧存在着一些缺陷。为了获得图像的特征点，需要对每幅图像都计算一遍ORB特征，需要花费的时间很长。而且ORB-SLAM的点云建图为非常稀疏的，无法满足导航、避障等功能的要求[26]。图1-7ORB-SLAM运行图2017年由RaulMur-Artal等人[27]在以ORB-SLAM为基础改进提出了ORB-SLAM2。改进之后方法的适用性沿袭了ORB-SLAM的优点，可以根据具体需要搭载单目、双目或深度相机。整个算法分为三个线程，可以很好地配合后端
本文编号：3281004
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/3281004.html
