高精度实时视觉定位的关键技术研究

发布时间：2017-05-21 11:15

  本文关键词：高精度实时视觉定位的关键技术研究，由笔耕文化传播整理发布。

【摘要】：基于机器视觉的定位算法是智能移动机器人领域内的热点问题,通过分析包含在图像序列中的静态场景一致性信息,视觉定位可以帮助移动机器人更准确地获得当前位置与姿态信息,保证移动机器人安全、高效地完成指定任务。 本文以大范围复杂环境中移动机器人的高精度实时定位为目标,围绕精度、实时性、鲁棒性三个关键问题进行研究。为了准确估计机器人6个自由度的位姿信息,首先构建了基于特征点匹配的双目立体视觉里程计(Visual Odometry, VO)。为了提高定位精度,第二章提出了两阶段局部双目光束法平差(Two-stage local binocular bundle adjustment, TLBBA),充分利用双目图像序列中的信息和约束,对运动估计结果进行优化。第三章通过合理设计系统中的算法模块,充分利用计算资源和算法的可并行性,实现了可以实时工作的双目立体VO。为了提高复杂环境中局部运动估计的鲁棒性,第四章提出了一种基于自适应多特征表观模型的压缩特征,通过跟踪移动机器人前进方向的图像片(图像中的子窗口区域),获得航向角增量的鲁棒估计值,防止不可靠的运动估计结果对定位结果造成影响。为了抑制移动机器人在大范围环境中漫游时定位误差的累积,提出了基于在线全景图像路标的全局位姿校正算法,有效解决了路径漂移问题。本文的主要工作和创新性研究成果如下： 1)提出了一种两阶段局部双目光束法平差优化算法,充分利用图像序列中的一致性信息,提高了基于特征点匹配的双目立体VO的定位精度。在该算法的第一阶段,对单步运动估计结果进行优化,相比基于三维点不确定度的最大似然估计优化,该算法使用误差分布更加均匀的二维特征点不确定度,而且引入了约束更加丰富合理的双目模型；在该算法的第二阶段,同样基于双目模型和特征点不确定度权重,同时优化滑动窗口内的运动参数与三维结构。与传统单目模型LBA相比,TLBBA优化时的参数初始值更加准确,目标函数的构成更加科学,优化精度高。 2)提出并实现了一种实时双目VO系统,为了在保证定位精度的前提下尽量提高处理速度,该VO系统基于GPGPU提取SIFT特征点,基于网格匹配法进行特征控制,在运动估计时基于GPGPU实现RanSaC结合HORN最小二乘方法。最后,把整个系统划分为两个线程,进行流水线处理：特征匹配线程负责特征点提取、匹配和三维点对重建；运动估计线程负责运动估计、两阶段局部双目光束法平差(TLBBA)优化、累积单步运动参数得到机器人全局位姿。 3)提出了一种基于自适应多特征图像片压缩跟踪的局部航向角计算方法,可以在双目图像序列缺少一致性特征时,更鲁棒地计算出移动机器人的航向角变化。为了提高图像片跟踪的精度和实时性,提出了一种压缩空间中的自适应多特征表观建模方法：构造了稀疏的二级随机测量矩阵对SURF特征进行压缩,使原来单纯基于亮度特征的视觉表达更加丰富准确,描述能力更强；通过分析特征对目标和背景的区分能力,自适应地调整统计模型内特征之间的权重,抑制冗余、无用的特征,提高了统计模型的效率和准确性。 4)提出了一种基于在线全景图像路标的全局位姿校正方法。该方法使用两种尺度的自适应压缩特征对全景图像进行建模,可以快速准确地从路标库中找到当前图像的最佳匹配；该方法通过检测路口,有效提高了路标图像的利用率和匹配准确率,进一步降低了匹配代价。移动机器人在重新访问路标场景时,通过求解当前图像与路标图像间的运动差异,对位姿进行校正,消除回路中的累积误差,提高了定位系统在大范围复杂环境中的精度和鲁棒性。
【关键词】：视觉里程计 特征点匹配 运动估计 光束法平差 GPGPU 压缩跟踪 自适应多特征表观模型 局部航向角计算 压缩全景路标 全局位姿校正
【学位授予单位】：浙江大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP242
【目录】：

• 致谢5-7
• 摘要7-9
• Abstract9-16
• 图目录16-19
• 表目录19-20
• 1 绪论20-49
• 1.1 研究背景和意义20-26
• 1.2 传统定位与视觉定位26-32
• 1.2.1 传统定位方法26-28
• 1.2.2 基于视觉的定位方法28-31
• 1.2.3 视觉定位算法性能比较31-32
• 1.3 视觉里程计算法的发展32-36
• 1.4 基于特征点匹配的双目视觉里程计基本原理36-46
• 1.4.1 特征点的检测与描述38-40
• 1.4.2 特征匹配40-42
• 1.4.3 特征点三维重建42-43
• 1.4.4 运动估计43-45
• 1.4.5 双目VO的关键问题45-46
• 1.5 论文内容和结构46-49
• 2 视觉里程计的高精度优化49-78
• 2.1 引言49-50
• 2.2 相关工作50-52
• 2.2.1 维特征点的不确定度50-51
• 2.2.2 三维点的不确定度计算51
• 2.2.3 最大似然估计51-52
• 2.3 两阶段局部双目光束法平差52-59
• 2.3.1 BA与LBA52-55
• 2.3.2 TLBBA55-59
• 2.4 实验结果与分析59-77
• 2.4.1 实验设备与测试环境59-61
• 2.4.2 性能指标61
• 2.4.3 校园环境实验结果与分析61-68
• 2.4.4 KITTI数据集实验结果68-77
• 2.5 本章小结77-78
• 3 实时双目视觉里程计的实现78-99
• 3.1 引言78-79
• 3.2 GPGPU概述79-82
• 3.2.1 GPU与CPU性能比较79-81
• 3.2.2 基于GLSL的GPGPU编程81-82
• 3.3 基于GPGPU的SIFT特征提取82-87
• 3.3.1 尺度空间极值检测82-84
• 3.3.2 关键点定位84
• 3.3.3 关键点主方向计算84-85
• 3.3.4 关键点特征描述85-86
• 3.3.5 基于GPGPU加速的SIFT算法86-87
• 3.4 基于GPGPU加速的运动估计87-91
• 3.4.1 基于三对三维点的HORN运动估计方法87-89
• 3.4.2 基于RanSaC的外点滤除89-90
• 3.4.3 基于GPGPU加速的运动估计算法90-91
• 3.5 基于网格筛选的特征控制91-93
• 3.6 基于多线程的并行处理93-94
• 3.7 实验结果与分析94-98
• 3.7.1 基于GPGPU的SIFT特征提取实验结果94-96
• 3.7.2 基于GPGPU的运动估计实验结果96
• 3.7.3 实时双目VO系统实验结果96-98
• 3.8 本章小结98-99
• 4 基于自适应多特征图像片压缩跟踪的局部航向角计算99-120
• 4.1 引言99-101
• 4.2 基于压缩感知的自适应多特征图像片表观模型101-107
• 4.2.1 压缩亮度特征101-102
• 4.2.2 压缩SURF特征102-104
• 4.2.3 基于特征区分度的自适应统计模型104-107
• 4.3 基于图像片压缩跟踪的局部航向角计算107-111
• 4.4 实验结果分析111-119
• 4.4.1 自适应多特征表观模型的性能分析111-114
• 4.4.2 基于图像片压缩跟踪的航向角计算精度测试114-117
• 4.4.3 基于图像片跟踪的航向角计算对定位结果的改善117-119
• 4.5 本章小结119-120
• 5 基于在线全景图像路标的全局位姿校正120-143
• 5.1 引言120-123
• 5.2 基于自适应压缩特征的全景图像描述123-125
• 5.3 在线建立全景路标125-128
• 5.3.1 路标检测125-127
• 5.3.2 路标描述127-128
• 5.4 全局位姿校正128-133
• 5.4.1 基于多级特征的任意方向路标匹配128-131
• 5.4.2 位姿校正131-133
• 5.5 实验结果与分析133-142
• 5.5.1 全景图像中自适应压缩特征的匹配特性133-138
• 5.5.2 全局位姿校正算法的性能分析138-139
• 5.5.3 “增强型”视觉定位系统139-142
• 5.6 本章小结142-143
• 6 总结与展望143-146
• 6.1 本文工作总结143-145
• 6.2 研究工作展望145-146
• 参考文献146-153
• 攻读博士期间学术成果153

【相似文献】

中国期刊全文数据库 前10条

1 叶学义,庄镇泉,张云超,水孝敏;基于多模板特征点融合的指纹识别[J];中国图象图形学报;2005年02期

2 王恺;靳简明;史广顺;王庆人;;基于特征点的汉字字体识别研究[J];电子与信息学报;2008年02期

3 张桂梅;任伟;徐芬;;基于特征点和最小面积的曲线描述和匹配[J];计算机应用;2009年04期

4 叶东;解邦福;刘博;;一种基于共面特征点的单摄像机姿态测量方法研究[J];宇航计测技术;2009年06期

5 赵宏宇;李燕华;侯振杰;多化琼;;一种自适应特征点最优分组匹配的策略[J];计算机工程与应用;2011年29期

6 董蓉;李勃;陈启美;;基于局部不变特征点数据集的目标跟踪算法[J];仪器仪表学报;2012年09期

7 齐恒;李克秋;申彦明;;基于特征点组合聚类的图像检索新方法[J];大连理工大学学报;2014年04期

8 胡明昊,任明武,杨静宇;一种快速实用的特征点匹配算法[J];计算机工程;2004年09期

9 郑明玲,刘衡竹;遥感图像配准中特征点选择的高性能算法研究及其实现[J];计算机学报;2004年09期

10 宋汉辰,吴玲达,魏迎梅;离散特征点探测算法[J];系统仿真学报;2005年03期

中国重要会议论文全文数据库 前10条

1 汪力;叶桦;夏良正;;利用特征点定位嘴巴[A];第二十六届中国控制会议论文集[C];2007年

2 付洪川;王剑;万婵;赵建英;付凯;;图像特征点匹配算法的研究与改进[A];2009中国控制与决策会议论文集（1）[C];2009年

3 温文雅;陈建华;;一种基于特征点的图像匹配算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 任明武;胡明昊;杨静宇;;一种快速实用的特征点匹配算法[A];全面建设小康社会：中国科技工作者的历史责任——中国科协2003年学术年会论文集（上）[C];2003年

5 许竞;姜波;;摄像机运动下特征点追踪方法研究[A];2011下一代自动测试系统学术研讨会论文集[C];2011年

6 张田;王希常;苏志荣;;基于特征点和轮廓检测的粘连数字分割[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年

7 杜鹏飞;彭代强;林幼权;;基于二乘向量机的特征点配准算法[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

8 杨向林;严洪;任兆瑞;陈靖一;;基于小波变换的ECG信号多特征点综合检测算法[A];第八届全国信息获取与处理学术会议论文集[C];2010年

9 舒志龙;阮秋琦;;基于KLT特征点跟踪的图象拼接[A];中国体视学学会图像分析专业、中国体视学学会仿真与虚拟现实专业、中国航空学会信号与信息处理专业第一届联合学术会议论文集[C];2000年

10 韩广良;陈小云;;利用多特征点搜索实现纸钞图像的状态检测[A];第九届全国信息获取与处理学术会议论文集Ⅱ[C];2011年

中国重要报纸全文数据库 前3条

1 本报记者 王宇;芯技术点亮未来[N];电脑报;2010年

2 孙新尧;如何测量绘制地形图[N];伊犁日报(汉);2006年

3 魏刚;中国进入指纹消费时代[N];北京科技报;2007年

中国博士学位论文全文数据库 前10条

1 廖斌;基于特征点的图像配准技术研究[D];国防科学技术大学;2008年

2 杨占龙;基于特征点的图像配准与拼接技术研究[D];西安电子科技大学;2008年

3 杨利敏;图像特征点定位算法研究及其应用[D];上海交通大学;2008年

4 鲁统伟;前视目标图像匹配定位技术研究[D];华中科技大学;2008年

5 李旭东;基于特征点的增强现实三维注册算法研究[D];天津大学;2009年

6 戴激光;渐进式多特征异源高分辨率卫星影像密集匹配方法研究[D];辽宁工程技术大学;2013年

7 杨奎元;基于深层结构的图像内容分析及其应用[D];中国科学技术大学;2012年

8 贺毅岳;颅面统计复原关键技术研究[D];西北大学;2012年

9 李建国;火星探测器自主光学着陆导航方法研究[D];哈尔滨工业大学;2014年

10 卢维;高精度实时视觉定位的关键技术研究[D];浙江大学;2015年

中国硕士学位论文全文数据库 前10条

1 全晓沙;基于特征点分类的实时多目标检测与跟踪[D];浙江大学;2011年

2 邢晓阳;基于特征点的模型分割算法设计及其实现[D];电子科技大学;2012年

3 戚世贵;基于图像特征点的提取匹配及应用[D];吉林大学;2006年

4 李栎楠;单目视觉测头成像三维测量技术及特征点角度偏置误差补偿研究[D];吉林大学;2008年

5 赵越;多方法融合的图像特征点匹配算法研究[D];中南大学;2009年

6 左凤艳;基于特征点的运动目标检测和跟踪算法研究[D];山东大学;2009年

7 柴佳丽;立体视觉图像特征点的提取与快速匹配[D];河北大学;2010年

8 席跃;大型工件特征点三维测量系统研究[D];西安科技大学;2009年

9 李鹃;基于特征点定位的虚拟试戴的研究[D];上海交通大学;2011年

10 吴娜;基于自动标记特征点的快速人脸识别算法[D];西安电子科技大学;2009年

  本文关键词：高精度实时视觉定位的关键技术研究，由笔耕文化传播整理发布。

，

本文编号：383490