移动端的单目相机与IMU融合定位研究

发布时间：2021-05-06 07:30

　　同时定位与地图构建（Simultaneous Localization and Mapping,SLAM）技术是利用传感器进行自动定位并实时构建地图的技术。传统SLAM算法多用于PC端。仅基于视觉的SLAM算法受环境影响较为严重,基于单目相机的SLAM算法存在旋转无法初始化且尺度无法确定等问题。而相机与IMU（Inertial Measurement Unit）融合的方式解决了单目相机存在的这些问题。为了让算法更加轻便,本文在目前单目相机与IMU融合最好的VINS-Mono算法的基础上进行改进,将改进后的VINS系统移植到移动端。首先在初始化阶段,Harris角点提取较为耗时,如果应用到移动端,移动端计算量有限,所以首先将提取Harris角点改为提取Oriented FAST特征点,并利用金字塔对图像进行分层,利用LK光流算法进行特征点追踪,得到初始位姿,并利用视觉部分对IMU进行初始化,得到初始速度、IMU确定性误差、以及重力加速度。对于关键帧提取方面,原算法是基于视差和特征点数量来决定是否提取关键帧,这种方法在移动端上产生了严重的关键帧冗余现象,增加了待优化帧数,增加了不必要的计算... 

【文章来源】：哈尔滨理工大学黑龙江省

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究的背景和意义
    1.2 国内外的研究现状与展望
    1.3 课题的来源及研究内容
        1.3.1 课题来源
        1.3.2 课题的主要研究内容
第2章 相关技术概述
    2.1 坐标系定义及转换关系
        2.1.1 坐标系定义
        2.1.2 三维空间中刚体运动的描述
        2.1.3 李群与李代数
    2.2 相机模型
    2.3 IMU相关
        2.3.1 IMU数学模型
        2.3.2 IMU确定性误差
    2.4 图像相关
        2.4.1 Harris特征点
        2.4.2 稀疏光流追踪算法
    2.5 非线性优化
        2.5.1 高斯牛顿算法
        2.5.2 列文伯格马夸尔特算法
    2.6 本章小结
第3章 移动端单目相机与IMU联合定位初始化
    3.1 视觉初始化
        3.1.1 特征点与关键帧提取
        3.1.2 视觉位姿恢复
    3.2 联合初始化
        3.2.1 IMU预积分
        3.2.2 状态量计算
    3.3 实验分析
    3.4 本章小结
第4章 移动端单目相机与IMU的后端优化与建图
    4.1 后端优化
        4.1.1 基于滑动窗口的非线性优化
        4.1.2 舒尔补与边缘化
    4.2 回环检测
    4.3 全局位姿图优化
    4.4 实验结果分析
    4.5 本章小结
第5章 实验结果分析
    5.1 实验环境
    5.2 实验流程
    5.3 本章小结
结论
参考文献
攻读硕士学位期间所发表的学术论文
致谢



本文编号：3171517