视觉与其他传感器组合导航定位研究
发布时间：2021-06-01 02:50
随着计算机科学、传感器技术的迅速发展,室内服务机器人在人们的生活工作中占有越来越多的位置。多传感器融合导航及定位技术凭借其卓越的性能和广泛应用的场景,在许多定位技术中脱颖而出成为了近年来室内机器人导航定位领域的研究热点,具有重大的研究价值与实际意义。本文对基于视觉与其他传感器融合导航的若干关键技术进行研究,提出两种传感器融合技术并设计和实现相关系统。一种是基于紧耦合优化的双目视觉与惯性测量单元（inertial measurement unit,IMU）融合导航定位技术,该方法首先通过建立惯性预测约束、图像观测约束,然后对这些约束进行迭代优化来获得实时系统的状态;另一种是基于联邦滤波的视觉/惯性测量单元/3D激光雷达三传感器融合导航方法,通过将惯性测量单元分别与3D激光雷达和像机组合,形成两个子滤波器,对这两个子滤波器的局部最优结果进行融合,最终获得最优组合结果。本文主要研究成果总结如下:首先,研究了一种基于紧耦合优化的双目视觉与惯性测量单元融合导航技术,提出了一种改进的融合导航系统初始化方法。以这种方法为基础,实现了基于该方法的双目视觉与惯性测量单元融合导航定位系统,在室内环境下设计...
【文章来源】：南昌大学江西省 211工程院校
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
图１．１室内机器人??
?—．９?卫??１?Ｄａｔａｂａｓｅ?厂云ｐａｎｎｉｎ丁—１?Ｎｅｗ?Ｐｏｉｎｔｓ?＾??［感?—１?Ｔｒｅｅ?Ｃｒｅａｔｉｏｎ??—Ｌｏｏｐ?Ｃｏｒｒｅｃｔｉｏｎ??Ｌｏｏｐ?Ｄｅｔｅｃｔｉｏｎ??：：?：：??！?［｝＂〇＇＂ｔ－?１—－?ｉ?Ｌｏｃａｌ??ｃ?＾?Ｌｏｏｐ?Ｃｏｍｐｕｔｅ?Ｃａｎｄｉｄａｔｅｓ?“?Ｋｅｙｆｒａｍｅｓ??丨?Ｆｕｓｉｏｎ?Ｓｉｍ３?Ｄｅｔｅｃｔｉｏｎ?＾??Ｃｕｌｌｉｎｇ??—￣?—－?＊??图１．２?ＯＲＢ－ＳＬＡＭ系统框图??在２０１５年，Ｒ．?Ｍｕｒ－Ａｒｔａｌ等人在ＰＴＡＭ的系统框架的基础上提出一个非常??完善且易用的系统－ＯＲＢ－ＳＬＡＭ［７］。他们在ＰＴＡＭ的框架做出大量改进，其中主??４??
包括前端跟踪现线程，局部Ｂｕｎｄｌｅ??Ａｄｊｕｓｔｍｅｎｔ线程，以及全局的Ｐｏｓｅ?Ｇｒａｐｈｌｍ］优化线程。ＯＲＢ－ＳＬＡＭ三线程的设??计获得了后续的许多研究者采纳和认可，它不仅有效地保证了地图和轨迹的一??致性，而且充分利用了计算资源，取得了非常好的建图和定位效果。??在２０１４年，Ｊ．?Ｅｎｇｌｅ等人提出一种区别于提取特征点的ＳＬＡＭ算法??（ＬＳＤ－ＳＬＡＭ）?［１１］。它直接针对图像中具有明显梯度的的像素点采用直接法，??即绕过了特征点的计算，同时还能构建半稠密的地图。图１．３展示了?ＬＳＤ的??运行状态。ＬＳＤ－ＳＬＡＭ是在假设两帧间的光度不会发生改变（相机在连续运??动中的两帧图片上的同一特征点灰度值不会发生改变）的基础上，根据光流??跟踪的原理，通过最小化光度误差来优化匹配。ＬＳＤ－ＳＬＡＭ也存在着缺点：１）??在不进行特征点计算的情况下，ＳＬＡＭ算法无法进行回环检测。２）相机的内??参、曝光参数以及光照变化的都会影响ＬＳＤ－ＳＬＡＭ的运行效果。??图１．３?ＬＳＤ－ＳＬＡＭ运行状态??在２０１６年，Ｊ．Ｅｎｇｌｅ等人在ＬＳＤ－ＳＬＡＭ的基础上提出了改进方案，设计了??ＤＳＯ［１２］。ＤＳＯ运行效果图如１．２所示。文章作者对相机曝光暗角、伽马响应、??时间等参数进行标定，在此基础上提出了一种让直接法更加鲁棒的方法：相对??于ＬＳＤ－ＳＬＡＭ更少的选取关键点，加快了算法的运行效率。ＤＳＯ算法也存在??着缺点，他去除了相对于直接发来说难以实现的回环检测和重新定位功能视，??是一个单纯的视觉里程计算法。??５??
本文编号：3209518
【文章来源】：南昌大学江西省 211工程院校
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
图１．１室内机器人??
?—．９?卫??１?Ｄａｔａｂａｓｅ?厂云ｐａｎｎｉｎ丁—１?Ｎｅｗ?Ｐｏｉｎｔｓ?＾??［感?—１?Ｔｒｅｅ?Ｃｒｅａｔｉｏｎ??—Ｌｏｏｐ?Ｃｏｒｒｅｃｔｉｏｎ??Ｌｏｏｐ?Ｄｅｔｅｃｔｉｏｎ??：：?：：??！?［｝＂〇＇＂ｔ－?１—－?ｉ?Ｌｏｃａｌ??ｃ?＾?Ｌｏｏｐ?Ｃｏｍｐｕｔｅ?Ｃａｎｄｉｄａｔｅｓ?“?Ｋｅｙｆｒａｍｅｓ??丨?Ｆｕｓｉｏｎ?Ｓｉｍ３?Ｄｅｔｅｃｔｉｏｎ?＾??Ｃｕｌｌｉｎｇ??—￣?—－?＊??图１．２?ＯＲＢ－ＳＬＡＭ系统框图??在２０１５年，Ｒ．?Ｍｕｒ－Ａｒｔａｌ等人在ＰＴＡＭ的系统框架的基础上提出一个非常??完善且易用的系统－ＯＲＢ－ＳＬＡＭ［７］。他们在ＰＴＡＭ的框架做出大量改进，其中主??４??
包括前端跟踪现线程，局部Ｂｕｎｄｌｅ??Ａｄｊｕｓｔｍｅｎｔ线程，以及全局的Ｐｏｓｅ?Ｇｒａｐｈｌｍ］优化线程。ＯＲＢ－ＳＬＡＭ三线程的设??计获得了后续的许多研究者采纳和认可，它不仅有效地保证了地图和轨迹的一??致性，而且充分利用了计算资源，取得了非常好的建图和定位效果。??在２０１４年，Ｊ．?Ｅｎｇｌｅ等人提出一种区别于提取特征点的ＳＬＡＭ算法??（ＬＳＤ－ＳＬＡＭ）?［１１］。它直接针对图像中具有明显梯度的的像素点采用直接法，??即绕过了特征点的计算，同时还能构建半稠密的地图。图１．３展示了?ＬＳＤ的??运行状态。ＬＳＤ－ＳＬＡＭ是在假设两帧间的光度不会发生改变（相机在连续运??动中的两帧图片上的同一特征点灰度值不会发生改变）的基础上，根据光流??跟踪的原理，通过最小化光度误差来优化匹配。ＬＳＤ－ＳＬＡＭ也存在着缺点：１）??在不进行特征点计算的情况下，ＳＬＡＭ算法无法进行回环检测。２）相机的内??参、曝光参数以及光照变化的都会影响ＬＳＤ－ＳＬＡＭ的运行效果。??图１．３?ＬＳＤ－ＳＬＡＭ运行状态??在２０１６年，Ｊ．Ｅｎｇｌｅ等人在ＬＳＤ－ＳＬＡＭ的基础上提出了改进方案，设计了??ＤＳＯ［１２］。ＤＳＯ运行效果图如１．２所示。文章作者对相机曝光暗角、伽马响应、??时间等参数进行标定，在此基础上提出了一种让直接法更加鲁棒的方法：相对??于ＬＳＤ－ＳＬＡＭ更少的选取关键点，加快了算法的运行效率。ＤＳＯ算法也存在??着缺点，他去除了相对于直接发来说难以实现的回环检测和重新定位功能视，??是一个单纯的视觉里程计算法。??５??
本文编号：3209518
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3209518.html
