基于卷积神经网络的实时单目稠密建图方法研究

发布时间：2024-04-07 06:26

　　近几年,无人驾驶、自主导航机器人、增强现实(AR)等人工智能技术进展飞速,其中的一项核心的技术就是即时定位与地图构建(Simultaneous Localization and Mapping,SLAM)技术。只靠一个摄像头而不需要其它传感器的SLAM称为单目视觉SLAM,因其成本低、重量轻、易部署等特点,受到了广泛的关注,并成为了SLAM领域的一项重要研究课题。SLAM所恢复出的三维地图,可以指导无人车和机器人避障和导航,也可以用于增强现实中虚拟物体与真实环境的交互。然而,目前的单目视觉SLAM算法在建图方面还存在较大问题。基于几何的传统单目视觉SLAM算法在图像的弱纹理区域表现较差,难以重建出稠密的三维地图。基于神经网络的单张图像深度估计算法虽能恢复准确稠密的三维地图,但是泛化能力较差,当测试场景和训练数据差异较大时,精度会发生严重退化。本文提出了一个实时单目稠密建图系统,主要思想是将深度估计网络和传统单目视觉SLAM结合,实现优势互补,提升系统的整体精度。系统中包含了一个预先训练的弱监督深度估计网络,系统运行时单目视觉SLAM提供的有位姿的图像对作为网络的训练样本,对网络参数进行...

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景与意义
    1.2 研究现状
    1.3 论文的主要研究内容
    1.4 论文的章节安排
2 实时建图的基本原理和相关算法
    2.1 单目视觉SLAM的基本原理和相关算法
    2.2 深度估计网络的基本原理和相关算法
    2.3 本章总结
3 实时单目稠密建图系统设计
    3.1 系统设计
    3.2 网络结构和损失函数
    3.3 直接法SLAM
    3.4 本章总结
4 实时单目稠密建图方法实现
    4.1 在线训练样本挑选策略
    4.2 在线更新算法
    4.3 数据融合
    4.4 尺度拟合
    4.5 本章总结
5 实验结果和分析
    5.1 实验环境和实验数据
    5.2 稠密建图精度对比
    5.3 定位尺度的精度分析
    5.4 运行时间分析
    5.5 不同参数对系统的影响分析
    5.6 模拟避障应用
    5.7 本章总结
6 总结与展望
    6.1 全文总结
    6.2 课题展望
致谢
参考文献



本文编号：3947811