面向视觉SLAM的联合特征匹配和跟踪算法研究

发布时间：2021-08-03 13:34

　　随着SLAM技术的不断发展,基于特征的视觉SLAM方法也被不断地丰富和完善。特征的匹配和跟踪作为视觉SLAM技术的重要一环,是SLAM系统进行位姿估计和优化的前提,影响着SLAM系统定位的精度和建图的质量。本文对基于联合特征的匹配算法进行了研究,提出了可靠性高、适用范围广的特征跟踪算法。本文的主要工作有:（1）基于几何聚类金字塔的联合点特征匹配方法,利用聚类金字塔逐步筛选出正确匹配,得到了同时满足描述子相似性和几何约束的匹配结果,减少了错误匹配和匹配丢失的发生;（2）基于联合边缘特征的匹配和跟踪方法,在亚像素边缘上提取边缘特征,根据运动一致性对边缘特征进行匹配,利用几何聚类对匹配结果进行精炼;（3）提出了基于联合点特征的位姿估计方法和基于联合边缘特征的位姿估计方法,对相机的位姿和地标的位置进行了优化。对本文所提出的面向视觉SLAM的联合特征匹配和跟踪算法的有效性,在公开数据集和搭建的机器人实验平台上进行了验证。能够在连续的相邻帧上,实现联合特征准确可靠的匹配,能够满足视觉SLAM进行定位和建图的需求。 

【文章来源】：中国科学院大学(中国科学院深圳先进技术研究院)广东省

【文章页数】：74 页

【学位级别】：硕士

【部分图文】：

激光SLAM

面向视觉SLAM的联合特征匹配和跟踪算法研究2图1.1激光SLAMFigure1.1LaserSLAM视觉SLAM利用摄像头获取周围环境的图像数据，根据图像对机器人的位姿状态和环境中各点的位置进行恢复和估计，实现机器人的定位和地图的构建。视觉SLAM建立的地图信息丰富，受环境结构的限制较小，也能够适应动态环境和室外环境，利用回环检测高效地解决机器人的绑架问题，具有诸多优势。图1.2视觉SLAMFigure1.2VisualSLAM基于特征的视觉SLAM方法是视觉SLAM的主流方法之一。基于特征的视觉SLAM方法，在相机采集的图像中提取特征，对特征进行匹配和跟踪，利用光束平差法（BA）最小化被跟踪特征的重投影误差，实现对相机位姿的估计和特征地图的建立。在基于特征的视觉SLAM框架中，特征的准确跟踪是SLAM系统的重要基础和前提。充足和准确的匹配能够实现BA优化快速准确地收敛。反之，错误的匹配可能会造成BA优化的收敛方向错误。而匹配丢失可能会引起特征跟踪数量不足，进而会引起BA优化的局部收敛或者代价函数的退化。三维空间内的特征与像平面内的特征存在对应关系。在三维空间中，每个特征并非孤立存在，静态环境中各个特征点之间具有固定的相对位置关系，并不会随着相机的移动而发生变化。而对应到图像平面中的二维特征的运动轨迹彼此之间也存在联系，在相机位姿改变的过程中，像平面中相互接近的特征具有运动的一致性。根据这种运动一致性条件可以实现独立特征的联合。以联合特征作为视觉SLAM中跟踪和匹配的对象，有助于维护孤立特征之间的运动一致性约束，

FAST关键点


本文编号：3319711