室内复杂场景下的视觉SLAM系统构建与研究
发布时间：2021-02-28 14:23
随着计算机视觉和人工智能技术的快速发展,智能移动机器人逐渐应用到社会各行各业中,基于视觉的同时定位与建图（Simultaneous localization and Mapping,SLAM）技术是移动机器人完成智能化的核心技术,受到了学术界和工业界研究者的广泛关注。目前视觉SLAM系统主要是基于静态简单环境的研究,在室内复杂环境机器人应用中,由于多运动目标、光照等因素影响,系统性能受到严重干扰,导致机器人的定位精度和构图效果达不到要求。并且大多数的SLAM系统不具备语义信息,导致构建的地图不直观,不能很好地应用于交互系统与导航系统。针对这些问题,本文将从以下几点设计视觉SLAM系统。（1）基于动态物体检测的视觉SLAM系统定位模块设计与实现:视觉SLAM系统缺乏动态信息处理问题,导致系统在复杂环境下的位姿估计和地图构建精度变差。本文详细分析了基于光流的动态信息检测算法,并引入到视觉SLAM系统解决复杂环境定位,实验表明,基于动态信息检测的视觉SLAM系统定位算法能够显著提高SLAM系统的定位精度。（2）基于特征融合目标检测网络（Feature Fusion Detection Net...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：82 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景与意义
1.2 视觉SLAM国内外研究现状
1.3 论文主要工作与章节安排
1.3.1 论文主要工作
1.3.2 论文章节安排
第二章 复杂场景下视觉SLAM系统分析
2.1 相机
2.1.1 RGB-D相机
2.1.2 Kinect V2 相机
2.1.3 针孔相机模型
2.2 相机标定
2.2.1 相机畸变模型
2.2.2相机标定实验
2.3 视觉SLAM系统原理
2.3.1 视觉SLAM系统数学模型
2.3.2 视觉SLAM系统基本框架
2.4 ORB-SLAM2 视觉SLAM系统分析
2.5 复杂场景下视觉SLAM系统方案
2.5.1 复杂场景下视觉SLAM系统特点
2.5.2 复杂场景下视觉SLAM系统方案
2.6 本章小结
第三章 复杂场景下视觉里程计设计与实现
3.1 复杂场景下视觉定位问题分析
3.2 基于光流的动态物体检测算法
3.2.1 特征点跟踪
3.2.2 动态特征点判定
3.3 视觉里程计流程设计与实现
3.4 定位模块实现
3.4.1 特征点提取
3.4.2 动态特征点的剔除
3.4.3 特征匹配及筛选
3.4.4 相机位姿的计算
3.4.5 关键帧的选择
3.5 视觉里程计定位测试
3.6 本章小结
第四章 语义地图模块设计与实现
4.1 目标检测现状分析
4.2 基于特征融合的目标检测网络设计
SSD网络分析"> 4.2.1 MobilenetSSD网络分析
4.2.2 网络结构设计
4.2.3 网络训练与测试
4.3 目标检测模块实现
4.4 目标检测模块测试
4.5 本章小结
第五章 复杂场景下语义地图模块设计
5.1 复杂场景下地图构建模块分析
5.2 复杂场景下语义地图模块设计
5.2.1 单帧点云的生成
5.2.2 点云的拼接与滤波
5.2.3 Octomap生成
5.2.4 3D语义信息的获取
5.3 地图构建模块测试
5.4 本章小结
第六章 视觉SLAM系统测试与分析
6.1 测试平台与环境
6.1.1 硬件平台
6.1.2 软件平台
6.1.3 测试数据集
6.1.4 评价指标
6.2 SLAM系统定位测试
6.2.1 数据集测试
6.2.2 真实场景测试
6.3 SLAM系统语义地图测试
6.3.1 语义信息的获取
6.3.2 OctoMap地图
6.4 本章小结
第七章 全文总结与展望
7.1 全文总结
7.2 后续工作展望
致谢
参考文献
【参考文献】：
期刊论文
[1]室内定位技术及应用综述[J]. 赵锐,钟榜,朱祖礼,马乐,姚金飞. 电子科技. 2014(03)
硕士论文
[1]室外环境下基于双目立体视觉的同时定位与建图[D]. 樊俊杰.中国科学技术大学 2016
本文编号：3055983
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：82 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景与意义
1.2 视觉SLAM国内外研究现状
1.3 论文主要工作与章节安排
1.3.1 论文主要工作
1.3.2 论文章节安排
第二章 复杂场景下视觉SLAM系统分析
2.1 相机
2.1.1 RGB-D相机
2.1.2 Kinect V2 相机
2.1.3 针孔相机模型
2.2 相机标定
2.2.1 相机畸变模型
2.2.2相机标定实验
2.3 视觉SLAM系统原理
2.3.1 视觉SLAM系统数学模型
2.3.2 视觉SLAM系统基本框架
2.4 ORB-SLAM2 视觉SLAM系统分析
2.5 复杂场景下视觉SLAM系统方案
2.5.1 复杂场景下视觉SLAM系统特点
2.5.2 复杂场景下视觉SLAM系统方案
2.6 本章小结
第三章 复杂场景下视觉里程计设计与实现
3.1 复杂场景下视觉定位问题分析
3.2 基于光流的动态物体检测算法
3.2.1 特征点跟踪
3.2.2 动态特征点判定
3.3 视觉里程计流程设计与实现
3.4 定位模块实现
3.4.1 特征点提取
3.4.2 动态特征点的剔除
3.4.3 特征匹配及筛选
3.4.4 相机位姿的计算
3.4.5 关键帧的选择
3.5 视觉里程计定位测试
3.6 本章小结
第四章 语义地图模块设计与实现
4.1 目标检测现状分析
4.2 基于特征融合的目标检测网络设计
SSD网络分析"> 4.2.1 MobilenetSSD网络分析
4.2.2 网络结构设计
4.2.3 网络训练与测试
4.3 目标检测模块实现
4.4 目标检测模块测试
4.5 本章小结
第五章 复杂场景下语义地图模块设计
5.1 复杂场景下地图构建模块分析
5.2 复杂场景下语义地图模块设计
5.2.1 单帧点云的生成
5.2.2 点云的拼接与滤波
5.2.3 Octomap生成
5.2.4 3D语义信息的获取
5.3 地图构建模块测试
5.4 本章小结
第六章 视觉SLAM系统测试与分析
6.1 测试平台与环境
6.1.1 硬件平台
6.1.2 软件平台
6.1.3 测试数据集
6.1.4 评价指标
6.2 SLAM系统定位测试
6.2.1 数据集测试
6.2.2 真实场景测试
6.3 SLAM系统语义地图测试
6.3.1 语义信息的获取
6.3.2 OctoMap地图
6.4 本章小结
第七章 全文总结与展望
7.1 全文总结
7.2 后续工作展望
致谢
参考文献
【参考文献】：
期刊论文
[1]室内定位技术及应用综述[J]. 赵锐,钟榜,朱祖礼,马乐,姚金飞. 电子科技. 2014(03)
硕士论文
[1]室外环境下基于双目立体视觉的同时定位与建图[D]. 樊俊杰.中国科学技术大学 2016
本文编号：3055983
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3055983.html
