融合双目视觉里程计和惯导信息的SLAM算法研究

发布时间：2021-05-08 01:23

　　同步定位与建图（Simultaneous Localization and Mapping,SLAM）技术对于移动机器人实现环境的感知和交互具有重要意义。但是当前的SLAM方法以特征点法、单目为主,针对在遮挡、运动模糊、运动过快和无纹理区域等复杂环境下,移动机器人难以实现高精度定位的问题,本文基于双目视觉和惯导信息融合,提出了基于直接法的双目视觉惯导SLAM框架。首先,针对特征点法提取稀疏特征点影响定位准确性的问题,提出了基于直接法的惯性测量单元（Inertial Measurement Unit,IMU）辅助特征追踪的方法。利用图像像素梯度变化,对大量区域块进行下采样提取特征点,为了更好的利用该点的信息,扩展该点的选取方式构建八维残差,共享该点的深度信息。在特征追踪过程中,根据IMU短期估计的优点,利用IMU的测量信息将该点进行旋转,在下一帧投影位置中对离群值进行剔除和筛选以减少错误匹配。另外,为了提高关键帧选择的准确性,除了在关键帧决策时加入传统的视角变化,还加入了遮挡和曝光时间约束条件,以避免冗余关键帧消费系统资源。实验结果表明,加入IMU测量信息后可以很好的检测到离群值,提高了... 

【文章来源】：燕山大学河北省

【文章页数】：85 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题研究背景及意义
    1.2 国内外研究现状
        1.2.1 视觉SLAM研究现状
        1.2.2 视觉惯导SLAM研究现状
        1.2.3 语义拓扑回环检测研究现状
    1.3 本文课题来源及研究内容
第2章 视觉和IMU信息预处理
    2.1 引言
    2.2 几何相机模型
        2.2.1 针孔相机模型
        2.2.2 畸变参数
        2.2.3 双目立体相机模型
    2.3 IMU模型分析
        2.3.1 IMU观测模型和运动模型
        2.3.2 IMU预积分
    2.4 相机和IMU标定
        2.4.1 相机和IMU联合标定
        2.4.2 光度标定
    2.5 IMU辅助特征追踪与关键帧决策的方法
        2.5.1 点管理
        2.5.2 帧管理
    2.6 本章小结
第3章 双目视觉惯导融合的联合优化
    3.1 引言
    3.2 系统框架
    3.3 状态估计和非线性优化
        3.3.1 初始化
        3.3.2 状态估计
        3.3.3 非线性优化和边缘化
    3.4 实验验证
        3.4.1 轨迹定量分析
        3.4.2 长期漂移误差评估
    3.5 本章小结
第4章 基于语义拓扑地图的回环检测
    4.1 引言
    4.2 基于Mask R-CNN网络的语义拓扑地图构建
        4.2.1 基于Mask R-CNN语义地图创建
        4.2.2 语义拓扑地图构建
    4.3 BoW闭环检测的构建
        4.3.1 可重复特征点的选择
        4.3.2 闭环候选项的检测和位姿校正
    4.4 实验验证
        4.4.1 语义拓扑地图
        4.4.2 回环检测数据定量分析
    4.5 本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢


【参考文献】：
硕士论文
[1]室内移动机器人区域语义地图创建及目标搜索方法研究[D]. 罗盼.哈尔滨工业大学 2018



本文编号：3174403