基于特征点的RGB-D SLAM系统优化研究
发布时间：2021-09-03 03:37
随着计算机视觉的发展,人机需要进行三维世界的交互和感知。但目前,作为图像主要采集设备的相机获取的二维图像存在歧义性,无法支持计算机视觉进入更高级的三维阶段。与此同时,越来越多的三维应用如虚拟现实、服务机器人导航、增强现实等需要底层三维稠密点云地图的支撑。而要恢复场景的三维坐标,就需要对图像逆投影进行三维重建。传统三维重建中最常用的SFM技术,在进行重建时,需要消耗巨大的内存和计算资源,且恢复的是三维稀疏点云,要恢复稠密结构还需要进行点云的稠密重建。基于视觉的SLAM技术则能够实现三维点云的快速重建。视觉SLAM通过相机采集周围环境的数据进行三维重建,而RGB-D相机是一种能够同时采集环境的RGB信息和深度信息的传感器,相比其他传感器更有利于场景的稠密结构恢复。本研究针对RGB-D SLAM系统存在的实时性差、初始化容易失败、相机的姿态估计不准确、重建结果存在“漂移”现象等问题,构建了一种基于特征点的RGB-D SLAM系统对上述问题进行了优化。该系统以RGB-D相机作为采集数据的传感器,通过提取并匹配图像的特征点来计算相机的初始位姿并进行优化,最后根据点云数据和相机坐标系的对应性,将所...
【文章来源】：兰州理工大学甘肃省
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
二维图像的歧义性
基于特征点的RGB-DSLAM系统优化研究2基于三维重建的文物保护人脸三维重建无人驾驶植物三维重建人体三维重建虚拟现实室内导航图1.2三维重建的实际应用案例自三维重建的概念被提出之后，诞生了多种三维重建方法并被广泛应用。相关技术可以大致概括为以下几类：(1)软件设计方法。一些三维设计的专业人士，使用专业的三维设计软件，例如：Autodesk3D、AutoCAD、SolidWorks、Blender、Smart3D，通过手工设计的方法，输出特定模型的三维结构。这种方法的缺点是非专业人士难以上手、需要价格昂贵的商业软件、只能对一些小型立体模型或者场景进行重构。(2)接触式三维重建利用一些特殊的仪器，在待重建物体的表面进行测量，如文献[11]提出的方法。虽然接触式测量精度高，但是存在损坏待重建物体表面的可能性，加上测量范围的局限性，使得这种测量方式未能被广泛的使用。(3)非接触式三维重建又分为主动视觉法和被动视觉法。主动视觉法[12]在测量时主动向待测场景中发射光源，通过返回的投影信息计算目标物体的位置和大小，激光雷达扫描技术、光飞行时间法(TimeofFight,TOF)、结构光(StructuredLight)技术均是其中的代表。随着微软Kinect摄像头的兴起，基于主动视觉法的三维重建在近几年成为稠密三维重建的重要研究方向。对于一些特征细节保留要求高、不存在大量红外光源的场景，主动视觉法是其三维重建的首眩被动视觉法[13]根据传感器数量分为：单目视觉法、双目视觉法、多目视觉法。被动视觉法首先通过传感器获取待重建场景的图像或者视频序列，然后利用多视图几何的相关理论来逆向的建模。该技术的优点是能够应用于各种场景、传感器比较常见且价格便宜，但建模的精度比较低，且需要消耗大量的时间和计算资源。(4)基于深度学习的方法。随着机
基于特征点的RGB-DSLAM系统优化研究2基于三维重建的文物保护人脸三维重建无人驾驶植物三维重建人体三维重建虚拟现实室内导航图1.2三维重建的实际应用案例自三维重建的概念被提出之后，诞生了多种三维重建方法并被广泛应用。相关技术可以大致概括为以下几类：(1)软件设计方法。一些三维设计的专业人士，使用专业的三维设计软件，例如：Autodesk3D、AutoCAD、SolidWorks、Blender、Smart3D，通过手工设计的方法，输出特定模型的三维结构。这种方法的缺点是非专业人士难以上手、需要价格昂贵的商业软件、只能对一些小型立体模型或者场景进行重构。(2)接触式三维重建利用一些特殊的仪器，在待重建物体的表面进行测量，如文献[11]提出的方法。虽然接触式测量精度高，但是存在损坏待重建物体表面的可能性，加上测量范围的局限性，使得这种测量方式未能被广泛的使用。(3)非接触式三维重建又分为主动视觉法和被动视觉法。主动视觉法[12]在测量时主动向待测场景中发射光源，通过返回的投影信息计算目标物体的位置和大小，激光雷达扫描技术、光飞行时间法(TimeofFight,TOF)、结构光(StructuredLight)技术均是其中的代表。随着微软Kinect摄像头的兴起，基于主动视觉法的三维重建在近几年成为稠密三维重建的重要研究方向。对于一些特征细节保留要求高、不存在大量红外光源的场景，主动视觉法是其三维重建的首眩被动视觉法[13]根据传感器数量分为：单目视觉法、双目视觉法、多目视觉法。被动视觉法首先通过传感器获取待重建场景的图像或者视频序列，然后利用多视图几何的相关理论来逆向的建模。该技术的优点是能够应用于各种场景、传感器比较常见且价格便宜，但建模的精度比较低，且需要消耗大量的时间和计算资源。(4)基于深度学习的方法。随着机
【参考文献】：
期刊论文
[1]图像序列的增量式运动结构恢复[J]. 高天寒,杨子艺. 中国图象图形学报. 2019(11)
[2]基于全局配准累积误差极小的人体RGB-D数据三维重建[J]. 孙瑜亮,缪永伟,鲍陈,夏海浜,张旭东,陈佳舟. 计算机辅助设计与图形学学报. 2019(09)
[3]基于RGB-D相机的SLAM技术研究综述[J]. 陈世浪,吴俊君. 计算机工程与应用. 2019(07)
[4]基于ORB与RANSAC融合改进的图像配准[J]. 樊彦国,柴江龙,许明明,王斌,侯秋实. 光学精密工程. 2019(03)
[5]激光扫描匹配方法研究综述[J]. 宗文鹏,李广云,李明磊,王力,李帅鑫. 中国光学. 2018(06)
[6]基于视觉的三维重建关键技术研究综述[J]. 郑太雄,黄帅,李永福,冯明驰. 自动化学报. 2020(04)
[7]基于深度学习的视觉SLAM综述[J]. 赵洋,刘国良,田国会,罗勇,王梓任,张威,李军伟. 机器人. 2017(06)
[8]运动推断结构技术中的特征跟踪方法综述[J]. 曹明伟,李书杰,贾伟,刘晓平. 计算机学报. 2018(11)
[9]基于ORB-SLAM的移动机器人嵌入式实现与优化[J]. 林连秀,叶芸,姚剑敏,郭太良. 微型机与应用. 2017(05)
[10]PMVS算法的CPU多线程和GPU两级粒度并行策略[J]. 刘金硕,江庄毅,徐亚渤,邓娟,章岚昕. 计算机科学. 2017(02)
博士论文
[1]基于深度相机的叶菜类作物三维重建与生长测量方法研究[D]. 胡杨.浙江大学 2018
[2]数据驱动的多视图三维重建[D]. 曹明伟.合肥工业大学 2017
[3]面向复杂环境的鲁棒高效的三维注册与结构恢复[D]. 刘浩敏.浙江大学 2017
硕士论文
[1]基于RGB-D传感器室内场景三维重建关键技术研究[D]. 苑立彬.北京邮电大学 2019
[2]基于RGB-D图像的人脸姿态检测及三维重建[D]. 关彤.沈阳工业大学 2019
[3]无人机自主导航的单目视觉SLAM技术研究[D]. 谢瑒.南京航空航天大学 2019
[4]基于深度学习的机器人环境感知研究[D]. 窦笑.哈尔滨工程大学 2019
[5]基于视觉SLAM的语义地图研究[D]. 常思雨.哈尔滨工业大学 2018
[6]基于深度学习的相机相对姿态估计[D]. 张林箭.浙江大学 2018
[7]基于OpenCV的GPU并行加速图像匹配算法研究[D]. 毛星云.南京航空航天大学 2016
[8]移动机器人卡尔曼滤波定位技术的研究[D]. 党宇.东北大学 2015
[9]基于扩展卡尔曼滤波的足式机器人运动速度估计研究[D]. 王聪伟.哈尔滨工业大学 2014
本文编号：3380323
【文章来源】：兰州理工大学甘肃省
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
二维图像的歧义性
基于特征点的RGB-DSLAM系统优化研究2基于三维重建的文物保护人脸三维重建无人驾驶植物三维重建人体三维重建虚拟现实室内导航图1.2三维重建的实际应用案例自三维重建的概念被提出之后，诞生了多种三维重建方法并被广泛应用。相关技术可以大致概括为以下几类：(1)软件设计方法。一些三维设计的专业人士，使用专业的三维设计软件，例如：Autodesk3D、AutoCAD、SolidWorks、Blender、Smart3D，通过手工设计的方法，输出特定模型的三维结构。这种方法的缺点是非专业人士难以上手、需要价格昂贵的商业软件、只能对一些小型立体模型或者场景进行重构。(2)接触式三维重建利用一些特殊的仪器，在待重建物体的表面进行测量，如文献[11]提出的方法。虽然接触式测量精度高，但是存在损坏待重建物体表面的可能性，加上测量范围的局限性，使得这种测量方式未能被广泛的使用。(3)非接触式三维重建又分为主动视觉法和被动视觉法。主动视觉法[12]在测量时主动向待测场景中发射光源，通过返回的投影信息计算目标物体的位置和大小，激光雷达扫描技术、光飞行时间法(TimeofFight,TOF)、结构光(StructuredLight)技术均是其中的代表。随着微软Kinect摄像头的兴起，基于主动视觉法的三维重建在近几年成为稠密三维重建的重要研究方向。对于一些特征细节保留要求高、不存在大量红外光源的场景，主动视觉法是其三维重建的首眩被动视觉法[13]根据传感器数量分为：单目视觉法、双目视觉法、多目视觉法。被动视觉法首先通过传感器获取待重建场景的图像或者视频序列，然后利用多视图几何的相关理论来逆向的建模。该技术的优点是能够应用于各种场景、传感器比较常见且价格便宜，但建模的精度比较低，且需要消耗大量的时间和计算资源。(4)基于深度学习的方法。随着机
基于特征点的RGB-DSLAM系统优化研究2基于三维重建的文物保护人脸三维重建无人驾驶植物三维重建人体三维重建虚拟现实室内导航图1.2三维重建的实际应用案例自三维重建的概念被提出之后，诞生了多种三维重建方法并被广泛应用。相关技术可以大致概括为以下几类：(1)软件设计方法。一些三维设计的专业人士，使用专业的三维设计软件，例如：Autodesk3D、AutoCAD、SolidWorks、Blender、Smart3D，通过手工设计的方法，输出特定模型的三维结构。这种方法的缺点是非专业人士难以上手、需要价格昂贵的商业软件、只能对一些小型立体模型或者场景进行重构。(2)接触式三维重建利用一些特殊的仪器，在待重建物体的表面进行测量，如文献[11]提出的方法。虽然接触式测量精度高，但是存在损坏待重建物体表面的可能性，加上测量范围的局限性，使得这种测量方式未能被广泛的使用。(3)非接触式三维重建又分为主动视觉法和被动视觉法。主动视觉法[12]在测量时主动向待测场景中发射光源，通过返回的投影信息计算目标物体的位置和大小，激光雷达扫描技术、光飞行时间法(TimeofFight,TOF)、结构光(StructuredLight)技术均是其中的代表。随着微软Kinect摄像头的兴起，基于主动视觉法的三维重建在近几年成为稠密三维重建的重要研究方向。对于一些特征细节保留要求高、不存在大量红外光源的场景，主动视觉法是其三维重建的首眩被动视觉法[13]根据传感器数量分为：单目视觉法、双目视觉法、多目视觉法。被动视觉法首先通过传感器获取待重建场景的图像或者视频序列，然后利用多视图几何的相关理论来逆向的建模。该技术的优点是能够应用于各种场景、传感器比较常见且价格便宜，但建模的精度比较低，且需要消耗大量的时间和计算资源。(4)基于深度学习的方法。随着机
【参考文献】：
期刊论文
[1]图像序列的增量式运动结构恢复[J]. 高天寒,杨子艺. 中国图象图形学报. 2019(11)
[2]基于全局配准累积误差极小的人体RGB-D数据三维重建[J]. 孙瑜亮,缪永伟,鲍陈,夏海浜,张旭东,陈佳舟. 计算机辅助设计与图形学学报. 2019(09)
[3]基于RGB-D相机的SLAM技术研究综述[J]. 陈世浪,吴俊君. 计算机工程与应用. 2019(07)
[4]基于ORB与RANSAC融合改进的图像配准[J]. 樊彦国,柴江龙,许明明,王斌,侯秋实. 光学精密工程. 2019(03)
[5]激光扫描匹配方法研究综述[J]. 宗文鹏,李广云,李明磊,王力,李帅鑫. 中国光学. 2018(06)
[6]基于视觉的三维重建关键技术研究综述[J]. 郑太雄,黄帅,李永福,冯明驰. 自动化学报. 2020(04)
[7]基于深度学习的视觉SLAM综述[J]. 赵洋,刘国良,田国会,罗勇,王梓任,张威,李军伟. 机器人. 2017(06)
[8]运动推断结构技术中的特征跟踪方法综述[J]. 曹明伟,李书杰,贾伟,刘晓平. 计算机学报. 2018(11)
[9]基于ORB-SLAM的移动机器人嵌入式实现与优化[J]. 林连秀,叶芸,姚剑敏,郭太良. 微型机与应用. 2017(05)
[10]PMVS算法的CPU多线程和GPU两级粒度并行策略[J]. 刘金硕,江庄毅,徐亚渤,邓娟,章岚昕. 计算机科学. 2017(02)
博士论文
[1]基于深度相机的叶菜类作物三维重建与生长测量方法研究[D]. 胡杨.浙江大学 2018
[2]数据驱动的多视图三维重建[D]. 曹明伟.合肥工业大学 2017
[3]面向复杂环境的鲁棒高效的三维注册与结构恢复[D]. 刘浩敏.浙江大学 2017
硕士论文
[1]基于RGB-D传感器室内场景三维重建关键技术研究[D]. 苑立彬.北京邮电大学 2019
[2]基于RGB-D图像的人脸姿态检测及三维重建[D]. 关彤.沈阳工业大学 2019
[3]无人机自主导航的单目视觉SLAM技术研究[D]. 谢瑒.南京航空航天大学 2019
[4]基于深度学习的机器人环境感知研究[D]. 窦笑.哈尔滨工程大学 2019
[5]基于视觉SLAM的语义地图研究[D]. 常思雨.哈尔滨工业大学 2018
[6]基于深度学习的相机相对姿态估计[D]. 张林箭.浙江大学 2018
[7]基于OpenCV的GPU并行加速图像匹配算法研究[D]. 毛星云.南京航空航天大学 2016
[8]移动机器人卡尔曼滤波定位技术的研究[D]. 党宇.东北大学 2015
[9]基于扩展卡尔曼滤波的足式机器人运动速度估计研究[D]. 王聪伟.哈尔滨工业大学 2014
本文编号：3380323
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3380323.html
最近更新
教材专著
