融合几何信息的回环检测方法

发布时间：2021-01-22 04:49

　　回环检测算法对于视觉SLAM/SFM系统修正累积误差具有重要意义,传统的回环检测方法基于图像检索的方式,难以解决视角差异较大情况下的图像匹配的问题。近年来随着SLAM/SFM在小型移动平台上的应用越来越多,移动平台由于其自身姿态需要,在同一地点的观测视角可能差异较大,因此这种情境下的单目回环检测问题亟待解决。本文提出融合几何信息的回环检测方法。基于典型SLAM/SFM系统结构,本研究利用系统中已定位的关键帧和三维点云等几何信息,在实际关键帧周边多个角度渲染出虚拟关键帧,并提取虚拟描述子。文中建立了融合虚拟和实际关键帧的回环检测策略。当实际关键帧无法完成回环检测时,本研究利用虚拟关键帧和实际关键帧的图像匹配,完成大视角差异情况下的回环检测。同时,本文实现了一套完整SFM系统,为融合几何信息的回环检测算法提供数据和系统支持。也可以利用提出的回环检测方法进行系统修正。在自建回环检测测试数据集中,相比传统方法本文显著提升了回环检测的召回率。在精确度达到100%情况下,召回率比传统方法提升了29.6%,本文还讨论了不同描述子对于回环检测性能的影响。对提升视觉SLAM系统的回环检测能力有极大帮助。 

【文章来源】：上海交通大学上海市 211工程院校 985工程院校 教育部直属院校

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

ORBSLAM中对于SLAM系统各模块关系的定义[5]

周边环境三维点云，因此也需要对相关关键帧的相机姿态进 SFM 系统是[12]。图 1-2 展示了 SFM 系统对于 colosseum 数，不同关键帧在三维空间中进行定位结算并重建出物体表面基于 image sequence 的 SFM 的过程当中，也面临累积误差问题，因此也可以使用回环检测和优化的方式，对三维姿态

获得尺度空间，在每个尺度空间上使用 FAST[28],[29]特 所示，FAST 扫描图像中所有点，如果某点周围的 16 个则将改点认为是一个特征点。这种方法的优点是速度上逊色于其他基于梯度的相关特征点检测方法。ORB 的应尺度空间上的像素进行旋转，之后采用 BRIEF 的算得固定的像素对，计算像素对亮度的相对大小，1/0 则


本文编号：2992587