基于视觉的语义SLAM关键技术研究
发布时间：2021-07-06 18:04
语义SLAM是在同时定位与地图构建技术的基础上,应用人工智能（AI）技术进行语义分割,能够实现场景几何信息和语义信息的同步获取,对于提升机器人或无人系统的智能自主导航能力具有重要意义。本文以视觉传感器作为信息源,对语义SLAM所涉及的关键技术进行深入研究,主要内容和创新点如下:（1）总结了视觉SLAM相关技术的发展历程,介绍了视觉SLAM的系统框架,阐述了视觉SLAM所涉及的基础理论。（2）针对RGB-D SLAM在构建稠密点云地图时冗余信息过多并且会出现残影的问题,提出了一种基于查找表的SLAM构图方法。该方法首先对图像进行分割,估计图像的八邻域运动方向,然后在构建场景地图时利用图像的运动方向进行构图的优化。实验证明它可以提高相机位姿的解算精度,大幅提高构建地图的速度,同时可以有效提高地图的质量。（3）针对目前的视觉SLAM系统在动态场景中适应性差的问题,提出了一种基于查找表和光流法相结合的去除动态目标影响的方法。该方法应用光流检测场景中的动态目标,采用查找表来进行场景的地图构建。实验证明该方法可以快速剔除场景中的移动物体,提高动态场景下视觉SLAM的性能。（4）研究了基于深度学习的...
【文章来源】：战略支援部队信息工程大学河南省
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
SLAM应用领域
1.2 智能自主导航和视觉 SLAM 概述1.2.1 智能自主导航概述如图 1.2 所示，目前一般通过 GPS/INS，视觉等多传感器组合的方式来进行机器人状态估计。但是只有机器人自身状态的准确估计对实现机器人的智能自主导航还远远不在此基础上还需进行障碍物检测，环境地图构建，以及目标识别，最后再通过机器人自的感知器来综合所有信息，以达到一种态势感知的能力。态势感知主要是帮助机器人可很好的理解自己和周围环境的相互关系，而智能自主导航还要求机器人可以智能自主的出决策。首先机器人需要明确自己要做什么。通过在态势感知的条件下机器人可以进行理与认知，然后做出高级语义决策，任务规划以及执行监控等，然后再通过中级决策进路径规划，最后再做出底层的指令决策，如航点序列以及轨迹的生成等。这样，在机器对自身位置以及周围环境有了一定认识，并且知道自己要做什么，以及如何去做的情况下就可以进一步的对三维位置，速度，姿态等导航参数加以控制，最终实现机器人的智能主导航。
图 1.3 传统导航方式.2.2 视觉 SLAM 概述同时定位与地图构建（Simultaneous Localization and Mapping，SLAM）经过三十的不断发展，现在已经成为机器人领域和计算机视觉领域最火热的研究方向。如图 1示，它是目前机器人智能自主导航，无人车自动驾驶，以及增强现实（AR）/虚拟现实（VR虚拟场景导航的核心技术，并且在古文物保护，三维数字化城市以及三维地图构建等都有广泛应用。如图 1.5 所示，它主要解决 2 个问题：定位和构图。定位主要解决的己在哪里的问题，而构图主要解决的是获取周围环境的几何信息。因为要知道自己在中的位置，就必须先有精确的地图。而要构建精确的地图又必须先有精确的位置信息以定位与构图其实是相互影响，紧密关联的。在已有高精度地图的条件下进行定位和有高精度位姿信息的条件下进行构图都是比较容易实现的，但如果没有地图去进行定者没有位置信息去进行构图就如同“先有鸡和先有蛋”的问题，传统的导航定位与构法都无从下手。而 SLAM 方法则通过同时最小化两者的误差来解决这个问题，在得到位同时也得到了地图信息。
【参考文献】：
期刊论文
[1]一种基于LK光流的动态场景SLAM新方法[J]. 王泽民,李建胜,王安成,程相博. 测绘科学技术学报. 2018(02)
[2]基于飞行时间法的红外相机研究综述[J]. 郭宁博,陈向宁,薛俊诗. 兵器装备工程学报. 2017(03)
[3]基于光束平差法的双目视觉里程计研究[J]. 罗杨宇,刘宏林. 控制与决策. 2016(11)
[4]CMOS与CCD图像传感器的比较研究和发展趋势[J]. 王旭东,叶玉堂. 电子设计工程. 2010(11)
硕士论文
[1]基于结构光和双目视觉的三维重建系统研究[D]. 赵焕谦.哈尔滨工业大学 2017
本文编号：3268718
【文章来源】：战略支援部队信息工程大学河南省
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
SLAM应用领域
1.2 智能自主导航和视觉 SLAM 概述1.2.1 智能自主导航概述如图 1.2 所示，目前一般通过 GPS/INS，视觉等多传感器组合的方式来进行机器人状态估计。但是只有机器人自身状态的准确估计对实现机器人的智能自主导航还远远不在此基础上还需进行障碍物检测，环境地图构建，以及目标识别，最后再通过机器人自的感知器来综合所有信息，以达到一种态势感知的能力。态势感知主要是帮助机器人可很好的理解自己和周围环境的相互关系，而智能自主导航还要求机器人可以智能自主的出决策。首先机器人需要明确自己要做什么。通过在态势感知的条件下机器人可以进行理与认知，然后做出高级语义决策，任务规划以及执行监控等，然后再通过中级决策进路径规划，最后再做出底层的指令决策，如航点序列以及轨迹的生成等。这样，在机器对自身位置以及周围环境有了一定认识，并且知道自己要做什么，以及如何去做的情况下就可以进一步的对三维位置，速度，姿态等导航参数加以控制，最终实现机器人的智能主导航。
图 1.3 传统导航方式.2.2 视觉 SLAM 概述同时定位与地图构建（Simultaneous Localization and Mapping，SLAM）经过三十的不断发展，现在已经成为机器人领域和计算机视觉领域最火热的研究方向。如图 1示，它是目前机器人智能自主导航，无人车自动驾驶，以及增强现实（AR）/虚拟现实（VR虚拟场景导航的核心技术，并且在古文物保护，三维数字化城市以及三维地图构建等都有广泛应用。如图 1.5 所示，它主要解决 2 个问题：定位和构图。定位主要解决的己在哪里的问题，而构图主要解决的是获取周围环境的几何信息。因为要知道自己在中的位置，就必须先有精确的地图。而要构建精确的地图又必须先有精确的位置信息以定位与构图其实是相互影响，紧密关联的。在已有高精度地图的条件下进行定位和有高精度位姿信息的条件下进行构图都是比较容易实现的，但如果没有地图去进行定者没有位置信息去进行构图就如同“先有鸡和先有蛋”的问题，传统的导航定位与构法都无从下手。而 SLAM 方法则通过同时最小化两者的误差来解决这个问题，在得到位同时也得到了地图信息。
【参考文献】：
期刊论文
[1]一种基于LK光流的动态场景SLAM新方法[J]. 王泽民,李建胜,王安成,程相博. 测绘科学技术学报. 2018(02)
[2]基于飞行时间法的红外相机研究综述[J]. 郭宁博,陈向宁,薛俊诗. 兵器装备工程学报. 2017(03)
[3]基于光束平差法的双目视觉里程计研究[J]. 罗杨宇,刘宏林. 控制与决策. 2016(11)
[4]CMOS与CCD图像传感器的比较研究和发展趋势[J]. 王旭东,叶玉堂. 电子设计工程. 2010(11)
硕士论文
[1]基于结构光和双目视觉的三维重建系统研究[D]. 赵焕谦.哈尔滨工业大学 2017
本文编号：3268718
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3268718.html
