面向LSD-SLAM算法的实时占用栅格图研究

发布时间：2020-04-30 01:17

【摘要】：基于直接法的大范围单目即时定位和地图构建(LSD-SLAM,Large-Scale Direct Monocular Simultaneous Localization and Mapping)即基于单目视觉传感器数据在未知环境下估计机器人位姿并重建环境场景,对这种不依赖于GPS的导航方法的研究是目前自主无人系统领域的研究热点。本文以LSD-SLAM为研究对象,对三维场景重建进行了研究。基于这个出发点主要完成了以下的研究工作。首先,针对单目视觉SLAM系统,确定LSD-SLAM为本文研究对象。通过对比的方法选定了环境数据集,LSD-SLAM作为不依赖于特征的直接法,对全局图像像素进行处理,并实时创建了半稠密的三维地图;其次,针对LSD-SLAM输出的半密集点云图对于自主导航系统不适用的问题,根据反向传感器模型(ISM)可用于表征特定传感器的不确定性的特点,提出反向传感器模型与LSD-SLAM结合的方法实时创建占用栅格图;然后,通过比较几种典型的技术确定了具有全三维建模、可更新、灵活和紧凑优点的八叉树栅格图作为本文的三维环境重建手段。对已有的可用于单目视觉的高斯反向传感器模型分析讨论关键参数后,生成实时的三维八叉树占用栅格图。改进了Andert的针对立体视觉的测量反向传感器模型,深入的分析了改进的测量反向传感器模型的关键参数影响后,实现了改进的测量反向传感器模型的实时的八叉树占用栅格图;最后,从内存消耗、实时性、定性分析以及定量分析的角度将高斯反向模型三维建模同改进的测量反向模型三维建模进行了测试比较,分析了LSD-SLAM下的三维占用栅格地图的效果,并针对影响单目视觉系统三维建模的因素进行了研讨。实验证明,LSD-SLAM完全可以和反向传感器模型结合创建准确的半稠密占用栅格图,用于自主导航。对于大型的数据集,高斯反向传感器模型的表现较好,对于小型数据集,改进的测量反向传感器模型完全可以替代高斯反向传感器模型,并且在低分辨率下的八叉树栅格图质量优于高斯反向传感器模型。
【图文】：

地图,网格单元,概率理论,机器人技术

西安科技大学硕士学位论文境。基于网格的地图是度量图的一种形式，通常包含均匀间距的网格单元，如图 1.1(所示。网格单元可以表示包含障碍物或自由空间环境的一部分，或者仍未知的环境。与拓扑图相比，度量图虽然大量信息的复杂性占用了更多内存，降低了路径规划计算的效率，但是基于网格的地图易于构造和存储关于环境的更多细节，能更精确地解决位置之间的最优路径[21]。度量地图，特别是占用网格地图，是自主导航和机器人技术中最常用的地图类型。占用栅格图允许在概率理论的基础上构建度量图。

地图,齐次坐标,表示图,视觉

预备知识题，数学上目的是同时求解相机的位姿和地图中M 系统时，需要做出的决定是在输入帧之间跟踪展始于立体视觉 SLAM 系统，立体视觉可以估计硬件设置和校准。单目视觉通过相同场景的一组境的结构，这一过程通常称为运动结构(SFM)[26]。单目摄像机的模型、以及单目视觉 SLAM 算法。是计算机图形学的重要手段之一，，它既能够用来仿射（线性）几何变换[27]。齐次坐标以射影几何的点用有限坐标表示，也允许使用矩阵来表示仿P 的表示，如果P 和 P(其中是标量)在 0。如图 2.1 所示，一个沿着公共向量经过原点1O 的 w 1上的点，其进一步描述为：
【学位授予单位】：西安科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;TP242

【参考文献】