复杂环境中联合CNN与IMU的单目视觉SLAM方法研究

发布时间：2020-12-23 22:40

　　单目视觉SLAM系统是通过相机采集图像信息进行定位与地图构建的计算机视觉系统,SLAM技术广泛应用于三维重建、视觉避障与路径规划等场景,对提高无人自主系统的自主化、智能化等具有重要意义。SLAM技术是计算机视觉领域中的一个研究热点,发展十分迅速。但是现有的视觉SLAM系统主要以特征点法为基础,在实际应用中往往存在大量的复杂场景,比如光照变化、纹理缺失、快速旋转和运动目标等。在这些复杂环境中,传统的单目视觉SLAM算法无法充分感知环境信息,同时还存在运动退化的现象,在算法的精度和鲁棒性方法都有着较大的提升空间。因此,本文针对现有SLAM算法中存在的一些问题进行了深入研究。本文的主要贡献如下:（1）针对单目视觉SLAM系统的初始化过程复杂,条件严格,以及单目视觉系统的尺度不确定问题。近年来,随着深度学习理论的发展和GPU等硬件计算能力的提升,本文引入了基于CNN的深度预测网络。通过深度预测网络获取初始图像帧中关键像素点的深度值,给系统估计出一个尺度,一定程度上缓解了单目视觉SLAM系统的尺度不确定性问题,同时还降低单目视觉SLAM系统的初始化门槛,即不需要平移就能够进行初始化,同时在快速旋... 

【文章来源】：中国科学院大学(中国科学院长春光学精密机械与物理研究所)吉林省

【文章页数】：116 页

【学位级别】：博士

【部分图文】：

FAST特征[97]

复杂环境中联合CNN与IMU的单目视觉SLAM方法研究34正常图像桶形失真枕形失真图3.2径向畸变Figure3.2Theradialdistortion由于透镜自身形状的原因造成的径向畸变分为桶形失真与枕形失真，穿过图像中心并且与光轴有交点的直线能够保持形状不变，其余穿过透镜的直线都会表现出向内侧弯曲或向外侧弯曲的畸变特征。图像放大率随着与光轴之间的距离增加而桶形失真减小，图像放大率与光轴之间的距离减小而枕形失真增大。图3.3畸变模型的径向分量Figure3.3Radialcomponentofthedistortionmodel对于径向畸变，桶形失真与枕形失真都会随着与图像中心的距离增加而失真情况越严重，构建径向畸变模型如公式（3.8）：246123246123(1)(1)ddxxkrkrkryykrkrkr(3.8)其中，r为该点距离坐标系原点的距离，[x，y]T为成像平面的点坐标，[xd，yd]T为径向畸变后点的坐标。针对上述纠正径向畸变的模型，可以看出在图像中心区域主要是模型中的参数k1起作用，所产生的畸变较小，在图像边缘区域主要是参数k2起作用所产生的畸变较大。一般用参数k1和k2就能纠正大部分径向畸变，畸变参数k3主要参与像鱼眼相机这类径向畸变很大的图像帧纠正。

第3章相机模型与标定35切向畸变是由于相机在机械组装过程中透镜被粘贴到镜头模组上进行安装时出现偏差，造成透镜与相机传感器平面或图像平面的位置没有处于严格地平行状态，镜头部分的光学中心不能严格的保持共线，相应地会产生偏心误差。图像的切向畸变是指图像点的坐标位置在切向上出现偏移，比如一个矩形被投影到成像平面时可能被扭曲成梯形，如图3.4所示：垂直平面相机传感器图3.4切向畸变来源示意图Figure3.4Schematicdiagramoftangentialdistortioncause针对切向畸变，通过畸变参数p1和p2建立切向畸变模型为公式（3.9）：221222122(2)(2)2ddxxpxyprxyyprypxy(3.9)图3.5畸变模型的切向分量Figure3.5Tangentialcomponentofthedistortionmodel如图3.5所示某个透镜的切向畸变示意图，图像的去畸变处理结合了径向畸

【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]增强现实技术的研究进展及应用[J]. 柳祖国,李世其,李作清.  系统仿真学报. 2003(02)



本文编号：2934460