基于深度学习的单目SLAM稠密地图构建方法研究
发布时间：2021-12-30 20:35
随着社会的进步和科学技术的快速发展,自主移动机器人已应用在社会生产生活的多个领域,并在其中发挥愈加重要的作用。视觉即时定位与地图构建技术（Visual Simultaneous Localization And Mapping,VSLAM）是保障自主移动机器人自主化、智能化的关键技术,其中,单目SLAM凭借单个相机结构简单、成本低等优势,受到了研究者的广泛关注。目前,单目SLAM可以获得较高的定位精度,然而其构建的地图大多是稀疏的特征点地图或者是利用图像中显著的梯度差计算得到的半稠密地图,难以满足自主移动机器人的局部避障、导航等实际需求。本文基于深度学习获取单目图像中稠密的环境深度信息,利用经典的ORBSLAM（Oriented FAST and BRIEF）算法紧耦合惯性信息得到机器人带有真实尺度的位姿信息,并引入截断符号距离函数（Truncated Signed Distance Function,TSDF）模型构建稠密地图,提出了一种基于深度学习的单目SLAM稠密地图构建方法,同时研究了本方法面向嵌入式平台的设计和实现。论文的主要的工作包括以下几个部分:首先,为获取单目图像中稠密...
【文章来源】：中国科学技术大学安徽省 211工程院校 985工程院校
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
图１．１稠密地图构建的应用场景示例??
的地图，缺点是对相机内参敏感，同时对于快速移动容易丢失跟踪而且无回??环检测进行重定位恢复。３）介于特征点法和直接法之间的半直接法。半直接法??既使用特征点也利用非特征点像素信息。ＳＶ０－ＳＬＡＭ［１？１是Ｆｏｒｓｔｅｒ等在２０１４年提??出的基于半直接法的ＳＬＡＭ方法，首先追踪关键点，然后利用关键点周围像素??估计运动信息和计算地图点。??晨??，＊?■＇＇?中．户：??ａ）?ＰＴＡＭ?ｂ）?ＯＲＢ??．繼灣件一?—？?“二■，學??ｃ）?ＬＳＤ?ｄ）?ＳＶＯ??图１．２不同ＳＬＡＭ方法中构建的地图??以上单目ＳＬＡＭ方法在定位方面取得了较高的精度，然而构建的地图都不??够稠密，难以满足机器人避障导航等任务，构建稠密地图仍是单目ＳＬＡＭ方法??的一大挑战。??３??
?第１章绪论???ｃ）?ＶＩ－ＭＥＡＮ?ｄ）?ＱｕａｄＴｒｅｅ??图１．３不同方法构建的稠密地图??１．２．３单目深度估计方法研究现状??单目深度估计是稠密地图构建、三维目标识别、分割、检测等任务的重要一??步。这个问题可以简述为：输入一个二维颜色图像，估计其中像素的对应图像深??度。由于在采集图像过程中丢失了第三维信息，要想恢复图像的深度，在ＳＬＡＭ??中通常是通过连续图像帧，根据多视角几何关系求解深度。然而这种求解深度的??方式依赖特征点匹配，仅能恢复少量像素点的深度。随着深度学习技术在图像领??域的发展，目前单目深度估计基本通过深度学习网络实现。??Ｓａｘｅｎａ［２３］等在２００６年提出了使用马尔科夫随机场（Ｍａｒｋｏｖ?Ｒａｎｄｏｍ?Ｆｉｅｌｄ，??ＭＲＦ）去学习视觉线索与深度之间的关系用于估计图像深度。该方法后来又扩展??为通过将图像划分为对应块使用ＭＲＦ学习块的三维参数用于构建三维场景［２４］。??Ｋｅｒｓｈ等％】在２０１２年提出了一种非参数深度估计方法，利用ＲＧＢＤ图像构建数??据库，对待估计的图像在数据库中查找相似的候选项进行深度估计，该方法基于??相似场景的景深相似的假设。Ｌａｄｉｃｈｙ等［２６］在２０１４年使用了像素深度分类器来??估计图像深度，基于物体的感知距离与深度成反比的假设，将图像深度估计与语??义联系起来。??基于深度学习的深度估计逐渐成为主流【２７＞２８，２９，３（）］。扭§６１１等［２７］在２０１４年利用??卷积神经网络估计图像深度。他们组合使用了两个网络，一个初级网络用于估计??图像的全局深度分布，一个精细网络用于提取局部的深度信息。后来他们扩展成??三级网络结构，添加
【参考文献】：
期刊论文
[1]基于单目视觉的同时定位与地图构建方法综述[J]. 刘浩敏,章国锋,鲍虎军. 计算机辅助设计与图形学学报. 2016(06)
[2]单目视觉同步定位与地图创建方法综述[J]. 顾照鹏,刘宏. 智能系统学报. 2015(04)
本文编号：3558925
【文章来源】：中国科学技术大学安徽省 211工程院校 985工程院校
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
图１．１稠密地图构建的应用场景示例??
的地图，缺点是对相机内参敏感，同时对于快速移动容易丢失跟踪而且无回??环检测进行重定位恢复。３）介于特征点法和直接法之间的半直接法。半直接法??既使用特征点也利用非特征点像素信息。ＳＶ０－ＳＬＡＭ［１？１是Ｆｏｒｓｔｅｒ等在２０１４年提??出的基于半直接法的ＳＬＡＭ方法，首先追踪关键点，然后利用关键点周围像素??估计运动信息和计算地图点。??晨??，＊?■＇＇?中．户：??ａ）?ＰＴＡＭ?ｂ）?ＯＲＢ??．繼灣件一?—？?“二■，學??ｃ）?ＬＳＤ?ｄ）?ＳＶＯ??图１．２不同ＳＬＡＭ方法中构建的地图??以上单目ＳＬＡＭ方法在定位方面取得了较高的精度，然而构建的地图都不??够稠密，难以满足机器人避障导航等任务，构建稠密地图仍是单目ＳＬＡＭ方法??的一大挑战。??３??
?第１章绪论???ｃ）?ＶＩ－ＭＥＡＮ?ｄ）?ＱｕａｄＴｒｅｅ??图１．３不同方法构建的稠密地图??１．２．３单目深度估计方法研究现状??单目深度估计是稠密地图构建、三维目标识别、分割、检测等任务的重要一??步。这个问题可以简述为：输入一个二维颜色图像，估计其中像素的对应图像深??度。由于在采集图像过程中丢失了第三维信息，要想恢复图像的深度，在ＳＬＡＭ??中通常是通过连续图像帧，根据多视角几何关系求解深度。然而这种求解深度的??方式依赖特征点匹配，仅能恢复少量像素点的深度。随着深度学习技术在图像领??域的发展，目前单目深度估计基本通过深度学习网络实现。??Ｓａｘｅｎａ［２３］等在２００６年提出了使用马尔科夫随机场（Ｍａｒｋｏｖ?Ｒａｎｄｏｍ?Ｆｉｅｌｄ，??ＭＲＦ）去学习视觉线索与深度之间的关系用于估计图像深度。该方法后来又扩展??为通过将图像划分为对应块使用ＭＲＦ学习块的三维参数用于构建三维场景［２４］。??Ｋｅｒｓｈ等％】在２０１２年提出了一种非参数深度估计方法，利用ＲＧＢＤ图像构建数??据库，对待估计的图像在数据库中查找相似的候选项进行深度估计，该方法基于??相似场景的景深相似的假设。Ｌａｄｉｃｈｙ等［２６］在２０１４年使用了像素深度分类器来??估计图像深度，基于物体的感知距离与深度成反比的假设，将图像深度估计与语??义联系起来。??基于深度学习的深度估计逐渐成为主流【２７＞２８，２９，３（）］。扭§６１１等［２７］在２０１４年利用??卷积神经网络估计图像深度。他们组合使用了两个网络，一个初级网络用于估计??图像的全局深度分布，一个精细网络用于提取局部的深度信息。后来他们扩展成??三级网络结构，添加
【参考文献】：
期刊论文
[1]基于单目视觉的同时定位与地图构建方法综述[J]. 刘浩敏,章国锋,鲍虎军. 计算机辅助设计与图形学学报. 2016(06)
[2]单目视觉同步定位与地图创建方法综述[J]. 顾照鹏,刘宏. 智能系统学报. 2015(04)
本文编号：3558925
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3558925.html
