基于点线的视觉即时定位与建图系统
发布时间：2021-11-24 23:05
人在进入一个陌生环境时,会不由自主地评估周围的环境,在大脑中勾勒出环境的布局,并以环境中的物体为参照物,判断自己所在的位置。对于机器人,即时定位与建图（Simultaneous Localization and Mapping,SLAM）技术等效于人的此过程。近年,由于无人驾驶飞机（Unmanned Aerial Vehicle,UAV）、增强现实（Augmented Reality,AR）和虚拟现实（Virtual Reality,VR）的应用产品逐渐进入大众市场,SLAM技术和三维重建已成为越来越受欢迎的研究主题。本文阐述了基于特征的单目视觉即时定位和建图（Mono Simultaneous Localization and Mapping,Mono-SLAM）系统,可在不同规模的环境中实时运行。此次设计,针对SLAM系统对应用场景的高依赖性缺陷进行了分析,采用点线结合的初始化组合,使其能够适应不同种类纹理的运行环境。对相机的剧烈运动具有鲁棒性,可实现较宽的基线闭环检测和重定位。基于近年来主流的优秀算法,设计了完整的视觉SLAM系统,该系统针对所有SLAM内部模块使用相同的特征提取...
【文章来源】：辽宁大学辽宁省 211工程院校
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
Mono-SLAM流程图
FAST角点提取
第二章SLAM相关技术19的BRIEF描述子进行特征描述。首先介绍FAST改进方案：采用强度质心[33]的概念对FAST特征点进行改造。强度重心假定角的强度偏离其中心，且该向量可用来表示方向，如图2-4所示：图2-4FAST旋转不变性示图定义图块的矩为：t=,t(,)(2.13)由此得到质心表达式为：=(000,000)(2.14)得到特征点方向表达为：=(0,0)(2.15)2、BRIEF改进方案对于位置（xi，yi）处n个二值测试的任何特征集，定义一个2×n矩阵=……(2.16)使用前面计算出的方向θ和相应的旋转矩阵Rθ，得到Sθ=RθS。则改进后的BRIEF描述子为：,()|,∈(2.17)将角度离散化为2π/30（12度）的增量，并构造了预先计算的BRIEF模式的查找表。只要关键点方向θ在各个视图中保持一致，就将使用正确的点集Sθ来计算其描述子。在ROS仿真环境中，以5度为一个步长，选取各个角度对四种描述子检测内点的能力进行测试，仿真结果如图2-3所示。图中可看出，改进后的BRIEF
本文编号：3516925
【文章来源】：辽宁大学辽宁省 211工程院校
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
Mono-SLAM流程图
FAST角点提取
第二章SLAM相关技术19的BRIEF描述子进行特征描述。首先介绍FAST改进方案：采用强度质心[33]的概念对FAST特征点进行改造。强度重心假定角的强度偏离其中心，且该向量可用来表示方向，如图2-4所示：图2-4FAST旋转不变性示图定义图块的矩为：t=,t(,)(2.13)由此得到质心表达式为：=(000,000)(2.14)得到特征点方向表达为：=(0,0)(2.15)2、BRIEF改进方案对于位置（xi，yi）处n个二值测试的任何特征集，定义一个2×n矩阵=……(2.16)使用前面计算出的方向θ和相应的旋转矩阵Rθ，得到Sθ=RθS。则改进后的BRIEF描述子为：,()|,∈(2.17)将角度离散化为2π/30（12度）的增量，并构造了预先计算的BRIEF模式的查找表。只要关键点方向θ在各个视图中保持一致，就将使用正确的点集Sθ来计算其描述子。在ROS仿真环境中，以5度为一个步长，选取各个角度对四种描述子检测内点的能力进行测试，仿真结果如图2-3所示。图中可看出，改进后的BRIEF
本文编号：3516925
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3516925.html
