基于点线特征检测的单目视觉SLAM算法研究

发布时间：2021-10-27 00:05

　　同步定位与建图（Simultaneous Localization and Mapping,SLAM）近年来已成为热门话题,研究者们也采用不同的传感器作为图像采集设备,如单目或双目相机、RGB-D相机、惯性传感器或激光雷达等。其中仅采用一个摄像头作为唯一外部传感器的被称为单目视觉SLAM。由于摄像头体积小、功耗低更适合于嵌入式设备,这也使得视觉SLAM技术越来越受关注。在本文中,对视觉SLAM查阅大量文献进行研究分析后,针对目前传统采用特征点法单目视觉SLAM在弱纹理场景或存在运动模糊时,无法准确估计相机位姿甚至失效情况,提出了一种结合点线特征信息的半直接法单目视觉SLAM。本文采用结合直接法与特征法的半直接法,并行运行直接法模块和特征法模块。在直接法模块中利用直接法对弱纹理环境的鲁棒性,快速且稳健地跟踪相机运动并构建局部半稠密地图,并将获得信息提供给特征法模块。在特征法模块中根据直接法模块提供的先验信息初始化地图,在传统采用特征点的基础上加入线段特征信息,结合点线特征联合优化相机位姿,并在后端优化中利用点线特征构建视觉词典树用于回环检测,减小系统的轨迹漂移,提高定位精度,构建全局一致... 

【文章来源】：辽宁大学辽宁省 211工程院校

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

SLAM应用机器人根据采用不同的传感器作为图像采集设备，如单目[5]

便是通过单个相机捕获到的环境信息来实现这一过程。相机的运动过程可看做为在空间的刚体运动，如图2-1 所示，其中W 为世界坐标系，C 为相机坐标系。利用相机采集图像识别环境中路标点iX ，建立观测方程来估计相机在世界坐标系下的位姿信息，其中位姿信息不仅包含相机在世界坐标系下的坐标位置，还包括相机的朝向信息。整个运动过程，既可看作相机在世界坐标系下的位姿变换过程。不过，相机捕获的路标点iX ，在世界坐标系下的坐标和相机坐标系下的坐标是不同的。在相机初始化时，世界坐标系和相机坐标系重合，之后相机的运动过程需要用变换矩阵来表示相机坐标系与世界坐标系之间的关系。整个相机运动过程也可以看做是通过路标点求解变换矩阵的过程。与欧式坐标系中表示方式不同，在齐次坐标系下则需要用一个 n+1 维的向量来表示一个 n 维空间中的一点。其中 n 维空间到 n+1 维空间的映射是一对多映射，而 n+1 维空间到 n 维空间的“投影”是多对一的映射。如下公式（2.1）表示基本的相机运动之间的变换矩阵。 TSRPtttsrrrprrrprrrpHxyzzyx313233212223111213（2.1）

图 2-2 小孔成像模型根据相似三角形原理，可得公式（2.2）：yyxxfz （2.2）由上式可得公式（2.3）： zyyfzxxf（2.3）以上均假设以图像中心为原点。但在图像坐标一般以左上角为坐标原点，且图像在 x,y 方向有不同程度缩放。设xf ，yf 为焦距 f 乘以 x,y 方向的缩放因子，中心点 (,)xyp p为图像像素坐标，则图像上 x 的坐标(u,v)可表示为公式（2.4）： yyxxpzyvfpzxuf（2.4）

【参考文献】：
期刊论文
[1]基于单目视觉的同时定位与地图构建方法综述[J]. 刘浩敏,章国锋,鲍虎军.  计算机辅助设计与图形学学报. 2016(06)

硕士论文
[1]基于点线综合特征的双目视觉SLAM方法[D]. 谢晓佳.浙江大学 2017
[2]基于结构线条的视觉SLAM方法[D]. 周慧中.上海交通大学 2015



本文编号：3460462