室外环境下基于双目立体视觉的同时定位与建图

发布时间：2017-05-10 02:09

  本文关键词：室外环境下基于双目立体视觉的同时定位与建图，由笔耕文化传播整理发布。

【摘要】：随着科学技术的发展,智能移动机器人(Autonomous Mobile Robot)作为一种集环境感知、决策、控制与执行等多功能于一体的综合化系统,逐渐渗透到人类活动的各个领域。对自身的精准定位和地图重建是智能移动机器人拥有自主移动的前提,其中基于视觉的定位和建图技术凭借其低成本、信息量大等优势,逐渐成为自主定位与地图构建领域的一个重要发展方向。本文依托中国科学院应用技术研究所的无人驾驶车辆平台,研究完全依赖Bumblebee2立体相机在室外环境下的无人车同时定位与建图技术。本文首先对图像处理手段进行理论介绍,然后重点研究立体图像的同时匹配与跟踪算法以及基于优化策略的视觉SLAM模型,并基于Levenberg-Marquardt算法建立定位姿态的最优化目标函数,最终完成无人车的位姿模型建立和地图构建。针对室外视觉SLAM跟踪过程中,因环境光线变化剧烈、帧间运动幅度大等原因而出现的匹配跟踪率低、鲁棒性不强等问题,提出一种同时匹配与跟踪算法。在特征提取方面,本文利用高斯滤波器获取图像的二阶边缘响应,通过对Harris、SIFT、SURF特征提取算子的理论分析和实验性能对比,最终选用以Harris算子为检测基础来提取局部极值以构造特征描述子。在图像匹配方面,以绝对误差和作为匹配代价来建立衡量准则,并通过图像分块索引以均衡化关键点分布,最后利用RANSAC算法优化匹配精度。最后通过四边闭环约束对特征点进行匹配融合和即时跟踪,并利用闭环确认机制同时优化匹配和跟踪精度。进一步地,通过分别与SIFT、SURF匹配算法和光流跟踪法进行实验效果对比,对本文视觉SLAM的图像处理算法在匹配跟踪过程中的优劣性进行阐释。提出以Levenberg-Marquardr非线性最小二乘法来建立基于优化策略的视觉定位模型和地图构造模型,同时利用图优化理论消除定位累积误差。在无人车定位方面,首先通过匹配跟踪集合进行稀疏三维点的重建,并基于LM算法对预测值和观测值建立前后帧2D-3D的误差优化函数,从而将无人车R、T运动姿态矩阵的求解转化为非线性多峰函数的最优解问题,最终通过多头全局搜索求得最优姿态矩阵得到精准的定位。在地图构建方面,通过LM算法建立观测路标的最优化方程,并采用图优化策略建立地图数据的跨节点关联,以进行地图优化。最终采用简化拓扑关系图构建实时地图。同时,利用视差图和匹配跟踪集合的稀疏三维点分别给出局部密集和全局稀疏的视觉点云地图。最终在三个不同的实验场景进行实验,验证了算法的准确性和快速性均达到预期要求。
【关键词】：立体匹配跟踪 Levenberg-Marquardr 姿态估计 定位 地图构造
【学位授予单位】：中国科学技术大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;TP242
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 绪论10-20
• 1.1 选题背景与研究意义10-12
• 1.2 国内外研究现状12-16
• 1.3 本文主要研究内容和章节安排16-20
• 第2章 立体视觉图像基础20-40
• 2.1 摄像机的物理模型20-23
• 2.1.1 图像坐标系20-21
• 2.1.2 摄像机坐标系与世界坐标系21-22
• 2.1.3 摄像机线性成像模型22-23
• 2.2 图像预处理23-26
• 2.2.1 图像平滑滤波器23-25
• 2.2.2 图像平滑滤波实验结果25-26
• 2.3 图像特征点提取26-32
• 2.3.1 Harris特征点提取27-28
• 2.3.2 SITT特征点检测28-30
• 2.3.3 SURF特征点检测30-31
• 2.3.4 特征点提取结果对比31-32
• 2.4 基于立体视觉三维点重建32-38
• 2.4.1 Bumblebee2相机简介33
• 2.4.2 极线约束及三维点重建原理33-37
• 2.4.3 空间点的重构结果37-38
• 2.5 本章小结38-40
• 第3章 基于双目视觉的立体匹配与跟踪算法40-58
• 3.1 立体匹配40-45
• 3.1.1 匹配的约束规则41-42
• 3.1.2 代价算子42-43
• 3.1.3 匹配算法43-45
• 3.2 基于RANSAC的匹配优化算法45-47
• 3.2.1 RANSAC算法介绍45-46
• 3.2.2 RANSAC迭代优化46-47
• 3.3 立体跟踪47-51
• 3.3.1 光流跟踪法47-49
• 3.3.2 四边形闭环结构49-50
• 3.3.3 闭环跟踪算法50-51
• 3.4 实验及分析51-56
• 3.4.1 匹配实验及对比分析51-53
• 3.4.2 跟踪实验及对比分析53-56
• 3.5 本章小结56-58
• 第4章 基于Levenberg-Marquardr的姿态估计与建图58-72
• 4.1 Levenberg-Marquardr算法58-61
• 4.2 运动姿态估计61-65
• 4.2.1 姿态模型建立61-62
• 4.2.2 基于Levenberg-Marquardr算法的姿态模型求解62-64
• 4.2.3 姿态求解算法实现64-65
• 4.3 地图构造65-69
• 4.3.1 拓扑地图建立66-67
• 4.3.2 图优化地图67-69
• 4.4 本章小结69-72
• 第5章 实验结果与分析72-86
• 5.1 实验平台以及传感器配置72-73
• 5.2 视觉定位构图实验结果及分析73-84
• 5.2.1 直线驾驶实验效果73-76
• 5.2.2 弧形弯道驾驶实验效果76-78
• 5.2.3 闭合矩形路实验效果78-81
• 5.2.4 实验结果分析81-84
• 5.3 本章小结84-86
• 第6章 总结与展望86-88
• 参考文献88-92
• 致谢92-94
• 在读期间发表的学术论文与取得的其他研究成果94

【相似文献】

中国期刊全文数据库 前10条

1 廖斌;刘利雄;;基于视觉保真的匹配跟踪位分配[J];武汉大学学报(工学版);2007年04期

2 罗军;江和平;沈振康;;基于匹配跟踪置信度的自适应对应像素距离图像匹配跟踪算法[J];信号处理;2008年01期

3 江和平,陈洪光,李飚,沈振康;基于对应像素距离度量的图像匹配跟踪算法[J];弹道学报;2005年03期

4 张文耀,许刚,王裕国;基于匹配跟踪的感知梯度正弦建模方法[J];软件学报;2003年03期

5 戴蓉;黄成;;视频目标检测匹配跟踪算法优化研究[J];计算机仿真;2010年10期

6 王燕;丁海洋;程明智;;基于时频匹配跟踪的脉象信号能量谱分析[J];北京印刷学院学报;2011年04期

7 崔雄文;吴钦章;蒋平;周进;;基于自适应最优聚类的目标匹配跟踪算法[J];半导体光电;2014年01期

8 丁艳;金伟其;薛雪;;基于加权相关的图像匹配跟踪算法的研究[J];弹箭与制导学报;2009年04期

9 江和平;沈振康;;基于单元信息熵矢量特征的图像匹配跟踪算法[J];信号处理;2006年05期

10 陈迎春;王岩松;姜乃利;鄢月;李燕;;基于小波和匹配跟踪两种降噪方法的比较研究[J];辽宁工学院学报;2007年02期

中国重要会议论文全文数据库 前1条

1 黄影;廖斌;;基于正交匹配跟踪的多传感器图像融合[A];图像图形技术研究与应用(2010)[C];2010年

中国博士学位论文全文数据库 前1条

1 江和平;红外序列图像匹配跟踪技术研究[D];国防科学技术大学;2006年

中国硕士学位论文全文数据库 前4条

1 樊俊杰;室外环境下基于双目立体视觉的同时定位与建图[D];中国科学技术大学;2016年

2 王辉;基于匹配跟踪的多传感器图像融合[D];华北电力大学（北京）;2011年

3 李伟;基于匹配跟踪和自适应字典的图像去噪算法研究[D];华北电力大学（北京）;2010年

4 黄影;基于正交匹配跟踪以及K-SVD的图像融合技术[D];华北电力大学（北京）;2010年

  本文关键词：室外环境下基于双目立体视觉的同时定位与建图，由笔耕文化传播整理发布。

，

本文编号：353787