基于场景反馈的视觉-IMU紧耦合的室内定位方法研究

发布时间：2021-02-19 19:00

　　随着越来越普及的智能化的时代的来临,诸如自动驾驶、无人机自主定位等高新高智能行业的快速兴起,室内定位需求快速增加,而传统基于GNSS和IMU的耦合定位方法在无GNSS或弱GNSS的室内场景下会失效,如何解决在无GNSS室内场景中的自主定位问题,是自动驾驶、智能机器人等领域的核心。由于视觉SLAM方法不依赖环境的先验信息搭配视觉传感器即可实现对未知环境的定位,且IMU与视觉SLAM方法具有非常良好的互补性,因此基于IMU-视觉SLAM融合的定位成为室内定位的热门研究点。传统基于单一点特征的视觉SLAM方法,在面对低纹理场景中时由于特征缺失其鲁棒性较低,而线特征在诸如白色墙面等场景中却非常丰富,因此本文首先基于点线特征建立帧间追踪提高系统的鲁棒性。场景的不同会导致点、线特征的性能产生差异,基于此本文提出基于场景分割建立自适应的点线特征的视觉估计模型。最后在建立自适应的点线加权追踪模型后,基于IMU预积分理论,完成系统初始化和建立IMU与视觉的紧耦合方法,从而建立基于场景反馈的视觉-IMU紧耦合的单目视觉SLAM室内定位系统。本文具体内容如下:（1）前端建立多特征的观测模型:首先充分分析单一... 

【文章来源】：中国地质大学(北京)北京市 211工程院校 教育部直属院校

【文章页数】：96 页

【学位级别】：硕士

【部分图文】：

无人机的广泛应用

中国地质大学（北京）硕士学位论文3视觉SLAM方法虽然能在大场景下获得较为有效的定位效果，但在诸如低纹理、光照突变、大拐弯等局部特殊区域时鲁棒性较差，易发生帧间追踪失效（Chengetal，2019）。为解决这一缺陷，越来越多的研究学者开始引入多传感器协同工作进行优势互补，其中IMU惯性测量元件不受场景影响且能高频率输出运动信息，但IMU元件在大场景下的运动测量会随着时间的增加产生较大的误差积累。IMU与视觉SLAM方法可很好的实现优势互补，因此视觉SLAM方法与IMU的融合成为SLAM领域中非常热门的研究点之一（王琪，2017）。(a)电力巡线(b)物流(c)环境监测(d)灾后救援(e)侦察(f)协调作战(g)农业(h)航拍(i)侦察图1-1无人机的广泛应用(a)密林(b)封闭室内(c)城市建筑群图1-2复杂多变的飞行环境

1引言4(a)自动驾驶车(b)扫地机器人(c)智能机器人图1-3智能自主定位平台(a)单目相机(b)双目相机(c)RGBD相机图1-4V-SLAM常用相机表1-1不同传感器的优缺点对比相机类型优势劣势单目成本低，距离不受限尺度不确定性、初始化问题双目可计算深度、距离不受限配置复杂、计算量大RGBD主动测量深度、重建效果较好测量范围孝受日光干扰、受材质干扰1.2国内外研究现状SLAM自1988提出至今经过了30多年的发展已取得了较为显著的成果，经典视觉SLAM框架的建立为SLAM领域的研究定下了基础框架与指导。如图1-5所示，经典视觉SLAM框架主要包括前端视觉里程计、后端优化、回环检测与地图的构建四大模块。其中视觉里程计（Visualodometer）主要完成帧间运动计算，解算相机运动轨迹；后端优化（Optimization）对前端计算得到的轨迹进行优化以获取最优解的过程；而回环检测通过检测是否达到已经经过的地方，从而进行全局优化有效的减小误差累积，而建图模块完成对环境模型的建立，如生成稠密拓扑地图或度量地图等。

【参考文献】：
期刊论文
[1]无人机信息安全研究综述[J]. 何道敬,杜晓,乔银荣,朱耀康,樊强,罗旺.  计算机学报. 2019(05)
[2]室内定位方法综述[J]. 席瑞,李玉军,侯孟书.  计算机科学. 2016(04)

硕士论文
[1]基于视觉的语义SLAM关键技术研究[D]. 王泽民.战略支援部队信息工程大学 2018
[2]利用Kinect点云数据的室内未知环境自主定位[D]. 常明.中国地质大学(北京) 2017
[3]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



本文编号：3041548