基于深度学习的视觉SLAM闭环检测方法研究
发布时间：2021-11-28 13:54
视觉SLAM作为机器人移动和导航的关键技术之一,该技术有着非常广阔的应用前景。而在摄像机视角、光照、气候、地貌等条件的大幅度变化或者存在快速移动物体的复杂场景下,视觉SLAM还存在精确性、鲁棒性和实时性较低问题,闭环检测作为解决SLAM位姿漂移的重要环节,本文针对闭环检测的应用特性,提出改进Darknet53网络损失函数,构造一个新的方法。最后为了进一步提升本方法的实时性,将该方法与二值化-自编码器降维方法结合,已经通过实验证明了本方法的科学有效性和技术上的优越性。本文的主要工作有以下两个方面:（1）针对现有基于深度学习的闭环检测方法提取的特征描述子区分度不足、维数过大的问题。对现有深度学习方法进行了深度分析,用时间和分类效果有着优异表现的Darknet53网络来代替传统闭环检测方法进行特征提取,并从闭环检测问题本身的特点出发,对Darknet53网络的损失函数进行改进,更好的表征闭环检测中三重距离约束关系。对改进损失函数的Darknet53网络重新进行训练,构造了一个新的闭环检测方法。通过New College数据集和光照及角度变化更明显的City Centre数据集这两个公开闭环检...
【文章来源】：天津理工大学天津市
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
视觉SLAM系统结构
天津理工大学硕士学位论文第二章视觉SLAM与深度学习基础-9-图2.1ORB特征点提取提取特征点后，下一步将通过特征匹配来得到相机位姿。视觉里程计的优劣依赖于特征匹配的效果。常用的特征匹配算法有：暴力匹配[72]、FLANN匹配[73]、K-最近邻匹配[74]等。第一种匹配方法是一种描述符匹配算法，该算法计算量大，耗时较长，很少在实际应用中使用[72]。FLANN算法是根据图像本身选取最适合的算法来处理数据集，该方法速度快，且当来两幅图像，有一副图像出现投影畸变时，仍可以相互匹配。K-最近邻（knn）匹配是通过马氏距离等距离度量方法计算训练图像和测试图像中每个图像的距离；将计算得到的距离值排序；选取前k个距离最近的样本；最后通过给K个样本的标签投票，获得最终的分类类别。特征匹配的结果如图2.2所示。相机通过匹配的特征点就能找到帧间运动关系，进而得到相机的运动过程[72]。具体过程如下。图2.2ORB特征匹配结果假设两帧之间的运动为R，t，相机内参为k，相机中心为DyDa，对应特征点为Py，Pa，那么，P的空间位置为如公式2.1所示。=[,,]TPXYZ（2.1）
天津理工大学硕士学位论文第二章视觉SLAM与深度学习基础-9-图2.1ORB特征点提取提取特征点后，下一步将通过特征匹配来得到相机位姿。视觉里程计的优劣依赖于特征匹配的效果。常用的特征匹配算法有：暴力匹配[72]、FLANN匹配[73]、K-最近邻匹配[74]等。第一种匹配方法是一种描述符匹配算法，该算法计算量大，耗时较长，很少在实际应用中使用[72]。FLANN算法是根据图像本身选取最适合的算法来处理数据集，该方法速度快，且当来两幅图像，有一副图像出现投影畸变时，仍可以相互匹配。K-最近邻（knn）匹配是通过马氏距离等距离度量方法计算训练图像和测试图像中每个图像的距离；将计算得到的距离值排序；选取前k个距离最近的样本；最后通过给K个样本的标签投票，获得最终的分类类别。特征匹配的结果如图2.2所示。相机通过匹配的特征点就能找到帧间运动关系，进而得到相机的运动过程[72]。具体过程如下。图2.2ORB特征匹配结果假设两帧之间的运动为R，t，相机内参为k，相机中心为DyDa，对应特征点为Py，Pa，那么，P的空间位置为如公式2.1所示。=[,,]TPXYZ（2.1）
【参考文献】：
期刊论文
[1]AoA-ToA目标跟踪的偏差补偿卡尔曼滤波算法[J]. 林杰,齐望东,刘鹏,赵跃新. 信息与控制. 2020(06)
[2]面向深度学习的视觉问答技术的分析[J]. 王青青,郭星晨,王亚. 阜阳师范大学学报(自然科学版). 2020(04)
[3]移动机器人三维激光SLAM算法研究[J]. 欧阳仕晗,刘振宇,赵怡巍,秦圣然,刘潇. 微处理机. 2020(05)
[4]基于非监督深度学习的闭环检测方法[J]. 汪丹,石朝侠,王燕清. 计算机科学. 2020(10)
[5]基于图卷积网格自编码器的网格参数化[J]. 高晨. 信息技术与网络安全. 2020(10)
[6]视觉SLAM研究进展[J]. 王霞,左一凡. 智能系统学报. 2020(05)
[7]单机器人SLAM技术的发展及相关主流技术综述[J]. 刘明芹,张晓光,徐桂云,李宗周. 计算机工程与应用. 2020(18)
[8]无人驾驶车辆视觉SLAM方法综述[J]. 李希宇,仲首任,马芳武. 汽车文摘. 2020(07)
[9]点线特征结合的视觉SLAM闭环检测研究[J]. 胡慧娟,李伟,李昂松,韦庆玥. 计量与测试技术. 2020(04)
[10]一种KD树集成偏标记学习算法[J]. 卢勇全,刘振丙,颜振翔,方旭升. 桂林电子科技大学学报. 2019(06)
硕士论文
[1]基于自编码器的图像压缩算法研究与FPGA实现[D]. 孟磊.西安理工大学 2020
[2]关于单目视觉实时定位与建图中的优化算法研究[D]. 李攀伟.中国科学院大学(中国科学院深圳先进技术研究院) 2020
[3]移动机器人基于栅格-八叉树混合地图的自主环境探索[D]. 吴桐.大连海事大学 2020
[4]基于视觉/激光的移动机器人定位与建图研究[D]. 康璐.东南大学 2019
[5]基于语义树的短文本相似度算法研究与应用[D]. 郭炳元.湘潭大学 2019
[6]基于单目视觉与惯导融合的SLAM技术研究[D]. 王雷.广东工业大学 2019
[7]基于卷积神经网络的故障分类算法与应用[D]. 程诚.浙江理工大学 2019
[8]基于扫地机器人的SLAM算法研究与实现[D]. 刘智宇.西安电子科技大学 2019
[9]基于YOLO的双目图像匹配方法研究[D]. 牛馨苑.兰州交通大学 2019
[10]基于深度置信网络的路面裂缝识别算法研究[D]. 王磊.湖北工业大学 2018
本文编号：3524544
【文章来源】：天津理工大学天津市
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
视觉SLAM系统结构
天津理工大学硕士学位论文第二章视觉SLAM与深度学习基础-9-图2.1ORB特征点提取提取特征点后，下一步将通过特征匹配来得到相机位姿。视觉里程计的优劣依赖于特征匹配的效果。常用的特征匹配算法有：暴力匹配[72]、FLANN匹配[73]、K-最近邻匹配[74]等。第一种匹配方法是一种描述符匹配算法，该算法计算量大，耗时较长，很少在实际应用中使用[72]。FLANN算法是根据图像本身选取最适合的算法来处理数据集，该方法速度快，且当来两幅图像，有一副图像出现投影畸变时，仍可以相互匹配。K-最近邻（knn）匹配是通过马氏距离等距离度量方法计算训练图像和测试图像中每个图像的距离；将计算得到的距离值排序；选取前k个距离最近的样本；最后通过给K个样本的标签投票，获得最终的分类类别。特征匹配的结果如图2.2所示。相机通过匹配的特征点就能找到帧间运动关系，进而得到相机的运动过程[72]。具体过程如下。图2.2ORB特征匹配结果假设两帧之间的运动为R，t，相机内参为k，相机中心为DyDa，对应特征点为Py，Pa，那么，P的空间位置为如公式2.1所示。=[,,]TPXYZ（2.1）
天津理工大学硕士学位论文第二章视觉SLAM与深度学习基础-9-图2.1ORB特征点提取提取特征点后，下一步将通过特征匹配来得到相机位姿。视觉里程计的优劣依赖于特征匹配的效果。常用的特征匹配算法有：暴力匹配[72]、FLANN匹配[73]、K-最近邻匹配[74]等。第一种匹配方法是一种描述符匹配算法，该算法计算量大，耗时较长，很少在实际应用中使用[72]。FLANN算法是根据图像本身选取最适合的算法来处理数据集，该方法速度快，且当来两幅图像，有一副图像出现投影畸变时，仍可以相互匹配。K-最近邻（knn）匹配是通过马氏距离等距离度量方法计算训练图像和测试图像中每个图像的距离；将计算得到的距离值排序；选取前k个距离最近的样本；最后通过给K个样本的标签投票，获得最终的分类类别。特征匹配的结果如图2.2所示。相机通过匹配的特征点就能找到帧间运动关系，进而得到相机的运动过程[72]。具体过程如下。图2.2ORB特征匹配结果假设两帧之间的运动为R，t，相机内参为k，相机中心为DyDa，对应特征点为Py，Pa，那么，P的空间位置为如公式2.1所示。=[,,]TPXYZ（2.1）
【参考文献】：
期刊论文
[1]AoA-ToA目标跟踪的偏差补偿卡尔曼滤波算法[J]. 林杰,齐望东,刘鹏,赵跃新. 信息与控制. 2020(06)
[2]面向深度学习的视觉问答技术的分析[J]. 王青青,郭星晨,王亚. 阜阳师范大学学报(自然科学版). 2020(04)
[3]移动机器人三维激光SLAM算法研究[J]. 欧阳仕晗,刘振宇,赵怡巍,秦圣然,刘潇. 微处理机. 2020(05)
[4]基于非监督深度学习的闭环检测方法[J]. 汪丹,石朝侠,王燕清. 计算机科学. 2020(10)
[5]基于图卷积网格自编码器的网格参数化[J]. 高晨. 信息技术与网络安全. 2020(10)
[6]视觉SLAM研究进展[J]. 王霞,左一凡. 智能系统学报. 2020(05)
[7]单机器人SLAM技术的发展及相关主流技术综述[J]. 刘明芹,张晓光,徐桂云,李宗周. 计算机工程与应用. 2020(18)
[8]无人驾驶车辆视觉SLAM方法综述[J]. 李希宇,仲首任,马芳武. 汽车文摘. 2020(07)
[9]点线特征结合的视觉SLAM闭环检测研究[J]. 胡慧娟,李伟,李昂松,韦庆玥. 计量与测试技术. 2020(04)
[10]一种KD树集成偏标记学习算法[J]. 卢勇全,刘振丙,颜振翔,方旭升. 桂林电子科技大学学报. 2019(06)
硕士论文
[1]基于自编码器的图像压缩算法研究与FPGA实现[D]. 孟磊.西安理工大学 2020
[2]关于单目视觉实时定位与建图中的优化算法研究[D]. 李攀伟.中国科学院大学(中国科学院深圳先进技术研究院) 2020
[3]移动机器人基于栅格-八叉树混合地图的自主环境探索[D]. 吴桐.大连海事大学 2020
[4]基于视觉/激光的移动机器人定位与建图研究[D]. 康璐.东南大学 2019
[5]基于语义树的短文本相似度算法研究与应用[D]. 郭炳元.湘潭大学 2019
[6]基于单目视觉与惯导融合的SLAM技术研究[D]. 王雷.广东工业大学 2019
[7]基于卷积神经网络的故障分类算法与应用[D]. 程诚.浙江理工大学 2019
[8]基于扫地机器人的SLAM算法研究与实现[D]. 刘智宇.西安电子科技大学 2019
[9]基于YOLO的双目图像匹配方法研究[D]. 牛馨苑.兰州交通大学 2019
[10]基于深度置信网络的路面裂缝识别算法研究[D]. 王磊.湖北工业大学 2018
本文编号：3524544
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3524544.html
