动态环境下的视觉SLAM系统研究

发布时间：2022-10-20 13:15

　　环境感知和导航定位是机器人领域的基本问题之一。实时定位与建图（Simultaneous localization and mapping,SLAM）是机器人感知周围环境与获取自身位姿的重要手段。因为视觉传感器具有成本低、信息丰富等优点,所以被广泛应用于SLAM领域。视觉SLAM逐渐成为学术界的研究热点。目前,绝大多数视觉SLAM（Visual SLAM）系统只能在静态场景下正常工作。若图像中存在运动物体干扰,将影响机器人定位与建图的精度和鲁棒性。因此,本文研究动态环境下的定位与建图问题。在动态环境下,利用视觉信息实时估计相机自身的位姿,同时实时估计视野中运动物体的位姿,尽可能排除动态物体的干扰,提升定位与建图的精度和鲁棒性。本文主要研究工作归纳如下:第一,针对动态环境下相机位姿估计问题,本文提出了一种基于运动一致性的运动物体分割算法。该算法首先将当前帧图像与上一帧图像进行特征匹配,并计算特征点的运动向量。接下来,对特征点集进行三角剖分,创建特征点之间的连接关系。然后,根据特征点运动向量的一致性剔除不稳定的连接关系,将特征点集划分为运动点和静态点。最后,只采用静态点估计相机位姿。实验结果... 

【文章页数】：88 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景与意义
        1.1.1 研究背景
        1.1.2 动态环境下视觉SLAM问题描述
        1.1.3 动态环境下视觉SLAM的挑战
    1.2 论文所设计技术与研究现状
        1.2.1 视觉传感器的研究现状
        1.2.2 基于静态假设的视觉SLAM研究现状
        1.2.3 动态场景下视觉SLAM研究现状
    1.3 本文研究内容与创新点
        1.3.1 主要研究内容
        1.3.2 创新点与贡献
    1.4 本文章节安排
第2章 动态环境下的视觉里程计
    2.1 算法框架
    2.2 相机模型
        2.2.1 针孔相机模型
        2.2.2 畸变校正
    2.3 图像预处理
        2.3.1 提取特征点
        2.3.2 特征点匹配
    2.4 运动区域分割
        2.4.1 建立特征点连接
        2.4.2 运动一致性检验
        2.4.3 提取静态背景区域
    2.5 相机运动估计
        2.5.1 相机位姿表示方法
        2.5.2 PnP算法
        2.5.3 RANSAC算法
    2.6 关键帧选取策略
    2.7 本章小结
第3章 动态环境下的视觉SLAM系统
    3.1 算法框架
    3.2 相机位姿后端优化
        3.2.1 构建局部地图
        3.2.2 集束调整
    3.3 基于局部地图一致性的运动物体分割
        3.3.1 建立地图点连接关系
        3.3.2 优化地图点的连接关系
        3.3.3 剔除不稳定的连接关系
        3.3.4 分割运动点云
    3.4 回环检测
        3.4.1 词袋模型
        3.4.2 运动物体遮挡区域补偿
        3.4.3 回环校正
    3.5 算法实验评估
        3.5.1 算法运行平台
        3.5.2 TUM数据集实验
        3.5.3 双目相机数据集实验
        3.5.4 回环检测实验
        3.5.5 时间效率分析
    3.6 本章小结
第4章 运动物体跟踪和位姿估计
    4.1 算法框架
    4.2 运动物体特征点跟踪
        4.2.1 特征点的管理策略
        4.2.2 特征点融合
        4.2.3 深度一致性检验
        4.2.4 增加运动物体上的特征点
    4.3 运动物体位姿估计
    4.4 算法实验评估
        4.4.1 算法运行平台
        4.4.2 评价指标
        4.4.3 实验设计
        4.4.4 实验结果分析
        4.4.5 时间效率分析
    4.5 本章小结
第5章 总结与展望
    5.1 论文总结
    5.2 论文展望
参考文献



本文编号：3694584