动态场景下自适应补偿的视觉里程计关键技术研究

发布时间：2024-01-27 08:20

　　动态场景下,动态参与者会打破传统VSLAM(Visual Simultaneous Localization And Mapping)算法的静态假设,常见的作法是把动态参与者剔除,只将静态参与者作为相机位姿估计的参照物。当场景中动态参与者占比过高,若粗暴地剔除场景中具有动态语义标签的参与者时,会使位姿估计的参考特征点数量急剧减少,系统的鲁棒性和位姿估计的精度也会大大较低。为了更好地解决场景动态程度对系统鲁棒性的影响,本文提出了一个自适应补偿的视觉里程计(Visual Odometry,VO)系统。本文的主要研究内容和创新点可归纳如下:1)通过对VSLAM的结构框架和研究现状进行总结分析,并对三维空间坐标系变换、相机标定和深度信息配准原理进行了理论推导,本文构造了自适应补偿的稀疏静态特征地图构建模型,它使补偿过程独立线程并具有较大的灵活性,使系统可以更好地适应动态场景。2)通过对动态场景下的特征点预处理过程的深入分析研究以及Mask R-CNN语义分割效果的实验验证,本文提出了分层提取融合框架,实现了从全局到局部的等概率特征点均匀化采样,融合了场景映射多级权重和自组织的时空优先级信息,通...

【文章页数】：77 页

【学位级别】：硕士

图１．２：?ＳＬＡＭ系统示意图??

图１．３：经典ＶＳＬＡＭ系统流程图??

图１．４：?ＯＲＢＳＬＡＭ２算法实现过程的客户端展示??ｂ）直接法??

图２．１：?Ｍａｓｋ?Ｒ－ＣＮＮ总体网络结构—??Ｍａｓｋ?ＲＣＮＮ是基于Ｆａｓｔｅｒ?ＲＣＮＮ的网络框架，在基础特征网络之后又加入??

本文编号：3886634