基于Kinect的视觉同步定位与建图研究

发布时间：2017-08-20 20:02

  本文关键词：基于Kinect的视觉同步定位与建图研究

  更多相关文章： Kincet RGB-D SLAM RANSAC 图优化

【摘要】：智能移动机器人要求能够在环境中自我导航与定位,而同步定位和建图(SLAM)被认为是实现移动机器人完全自主移动的关键。近几年,智能移动家庭服务机器人的研发和应用成为研究热点,为了实现诸如室内物体识别和抓取等高级功能,这类应用往往需要获取环境的带有纹理色彩特征的三维地图。以Kinect为代表的RGB-D类摄像头能够同时获取环境场景的图像和深度数据,因而被广泛的应用于室内环境三维建图。目前已有的使用RGB-D类传感器的SLAM方案大多由图像处理前端和位姿优化后端组成。本文在已有方案的基础上,对影响SLAM系统效果的关键性环节进行了研究与分析。在图像处理前端部分,深度数据的系统误差会极大的影响图像运动估计的准确性,而在图像后端部分,优化图中边约束力的分配以及闭环检测的准确性则对整个优化效果非常重要。考虑到RGB-D传感器获取的深度数据误差随着距离增大而变大,本文将深度信息绑定到RANSAC三维配准中,通过提高近距离点在RANSAC内点统计时的权重分配,并且根据深度距离动态调整内点判定阈值从而增加远距离点成为内点的概率,提高了帧间运动估计的准确性和稳定性。对于优化后端,本文通过度量运动估计的精度来计算边的信息矩阵,合理分配优化图中位姿约束边的权重,同时提出了错误闭环剔除模型,改善优化效果。本文最后在实验室内进行了室内三维建图实验,检验整个RGB-D SLAM系统的可行性,同时利用公开数据集进行对比试验,验证了动态的RANSAC三维配准,信息矩阵计算模型以及错误闭环剔除模型能够提高SLAM系统效果。
【关键词】：Kincet RGB-D SLAM RANSAC 图优化
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要4-5
• Abstract5-8
• 第1章 绪论8-16
• 1.1 课题研究背景与意义8-9
• 1.2 视觉SLAM主要研究内容9-11
• 1.3 移动机器人Visual SLAM研究现状11-14
• 1.3.1 基于滤波的Visual SLAM研究方法11-12
• 1.3.2 基于图优化的Visual SLAM研究方法12-13
• 1.3.3 Visual SLAM中传感器的分类13-14
• 1.4 国内外研究现状分析14-15
• 1.5 论文主要研究内容15-16
• 第2章 基于Kinect的视觉感知系统设计16-25
• 2.1 引言16
• 2.2 基于Kinect的视觉系统分析16-19
• 2.2.1 Kinect视觉平台16-17
• 2.2.2 Kinect图像获取方法17-19
• 2.3 基于Kinect的视觉标定方法19-22
• 2.4 基于Kinect的深度数据处理方法22-24
• 2.5 本章小结24-25
• 第3章 图像特征提取匹配与运动估计方法25-40
• 3.1 引言25
• 3.2 图像特征的提取方法25-29
• 3.2.1 视觉SLAM的需求分析25-26
• 3.2.2 视觉SLAM点特征提取与描述算法分析26-28
• 3.2.3 特征提取算法简单实验对比分析28-29
• 3.3 图像特征的精确匹配方法29-34
• 3.3.1 图像特征点的匹配原理29-31
• 3.3.2 图像特征点错误匹配剔除算法31-34
• 3.4 运动估计方法设计与分析34-39
• 3.4.1 图像特征点三维点集配准方法34-36
• 3.4.2 绑定深度信息的RANSAC三维点配准算法36-37
• 3.4.3 运动估计对比实验37-39
• 3.5 本章小结39-40
• 第4章 机器人位姿的全局优化方法40-55
• 4.1 引言40
• 4.2 关键帧（Keyframes）处理40-42
• 4.3 闭环检测（ Loop closure detection）方法分析42-45
• 4.3.1 闭环检测实施流程42-44
• 4.3.2 错误闭环剔除模型44-45
• 4.4 全局位姿图优化（ Graph Optimization）方法45-53
• 4.4.1 RGBD SLAM图优化模型建立45-47
• 4.4.2 图优化的理论求解推导47-49
• 4.4.3 帧间约束信息矩阵的确定49-52
• 4.4.4 图优化的实现52-53
• 4.5 地图创建53-54
• 4.6 本章小结54-55
• 第5章 系统实验与分析55-63
• 5.1 引言55
• 5.2 基于Kinect的RGBD SLAM室内实验分析55-59
• 5.2.1 实验平台介绍55-56
• 5.2.2 室内真实环境实验分析56-59
• 5.3 基于基准数据（Benchmark Datasets）的实验评估59-62
• 5.3.1 RGBD基准数据集与准确性评估方法59-61
• 5.3.2 不同特征提取算法SLAM效果对比61
• 5.3.3 动态RANSAC与信息矩阵模型效果检验61-62
• 5.4 本章小结62-63
• 结论63-65
• 参考文献65-70
• 致谢70

【相似文献】

中国期刊全文数据库 前10条

1 吕一波;路迈西;;玉米图像几何特征的提取[J];鸡西大学学报;2006年04期

2 于永彦;;狭缝图像的相似性判别[J];探测与控制学报;2006年04期

3 郭峰;吴贵芳;杨莉;;一种基于线阵CCD的汽车底盘图像矫正算法[J];现代计算机(专业版);2014年08期

4 谢从华;宋余庆;常晋义;;图像数据库管理系统的关键技术研究综述[J];计算机应用研究;2011年09期

5 陈宏;胡宁静;;基于特征互补图像的人脸识别仿真研究[J];计算机仿真;2012年04期

6 刘海敬;毛晚堆;刘永军;;图像投影在网上阅卷系统中的应用分析[J];河北省科学院学报;2014年02期

7 刘艳;张勇德;;含弱信号点微阵列图像的自动网格划分[J];中国医学工程;2008年03期

8 李倩影;陈锻生;吴扬扬;;基于图像距离匹配的人脸卡通化技术[J];微型机与应用;2014年10期

9 刘文萍,吴立德;人脸图像的自动识别技术[J];计算机应用与软件;2001年12期

10 马新;陈松灿;;彩色视网膜图像中基于主血管网的视盘定位[J];江南大学学报(自然科学版);2010年01期

中国重要会议论文全文数据库 前1条

1 赵语涛;刘允才;;单幅图像的多媒体流体视频合成[A];第四届和谐人机环境联合学术会议论文集[C];2008年

中国博士学位论文全文数据库 前4条

1 刘硕研;面向感知的图像场景及情感分类算法研究[D];北京交通大学;2011年

2 卜起荣;基于内容的图像检索与推荐技术研究[D];西北大学;2015年

3 李金城;大规模图像检索和识别中的神经网络学习及其应用[D];华南理工大学;2013年

4 郭岩松;压缩感知关键技术研究[D];天津大学;2011年

中国硕士学位论文全文数据库 前10条

1 刘畅;云背景红外天空图像的统计模型与仿真[D];华中科技大学;2005年

2 郑功赞;基于分量分析的图像内容检索研究[D];贵州大学;2006年

3 吕兴永;单张图像去雾研究[D];复旦大学;2011年

4 刘胜宇;网络新闻图像中人脸标注技术研究[D];哈尔滨工业大学;2011年

5 钟锐;基于语义的图像检索系统基础技术研究[D];重庆大学;2012年

6 杨杨;无人机航拍视频图像实时拼接软件系统的设计与开发[D];北京工业大学;2013年

7 刘宇鑫;压缩感知在图像信息隐藏中的应用研究[D];北方工业大学;2011年

8 曾斐;壁画图像人为字迹自动提取方法研究[D];西南交通大学;2011年

9 陈佳林;基于目标形状的脑CT图像特征提取[D];河北大学;2008年

10 彭先霖;基于语义网络和交互式过滤的动物图像教育资源检索方法[D];西北大学;2013年

，

本文编号：708567