混合稀疏单目视觉里程计方法研究

发布时间：2020-08-09 03:52

【摘要】：同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)与视觉里程计(Visual Odometry,VO)是在线构建周围环境的地图与确定传感器当前位置的技术,被广泛地运用于无人车、AR(Augmented Reality)、VR(Virtual Reality)、全自主机器人中,随着人工智能的普及,VO/vSLAM在人们的生活中起着越来越重要的作用。绝大多数的VO/vSLAM方法都着眼于特征点法与直接法,然而半直接(混合)法作为一种同样重要的方法往往容易被人们忽视。本文根据现有的半直接法框架,重新设计整个系统,完成了一套新颖的混合稀疏单目视觉里程计算法。基于滑动窗口优化的相机在线辐射校准被整合到了系统里,它在线地校准了相机的响应函数、渐晕、曝光时间,使得算法对于强烈的相机渐晕与相机曝光时间突变具有优秀的鲁棒性;在拥有大量白墙或是其他弱纹理条件中,图像中角点的数量往往较为稀疏,由于信息量的缺失,这会给一般算法带来巨大的困难,在本课题中角点与边缘被联合地添加到了系统里使系统在弱纹理环境下也能稳定地运行;基于半直接框架的视觉里程计算法往往具有较高的效率,但在精度与鲁棒性方面较为缺失,本课题在现有半直接框架上进行了修改得到混合稀疏框架,它贯穿于整个系统,一方面保留了原有特性,使得系统相较于一般的特征点法与直接法拥有更优秀的效率,另一方面,在半直接法的基础上提升了系统的精度与鲁棒性;系统采用松弛与苛性结合的关键帧提取策略,在一般情况下尽量严格的提取关键帧,这样减少了冗余的信息,提高了算法的精度,在极端环境下尽量快速的提取关键帧,这保证了算法的鲁棒性。所提出的系统在国际公认的EuRoC MAV、ICL-NUIM、TUM mono VO和TUM-RGBD数据集上与ORB-SLAM、DSO、SVO2.0进行了实验对比,由实验结果表明所提出的混合稀疏单目视觉里程计相对于当下最先进的方案取得了更优秀或是可比的表现。
【学位授予单位】：大连理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP242

【相似文献】