自然环境中基于图优化的单目视觉SLAM的研究

发布时间：2016-07-01 07:15

本文主要对基于图优化的单目视觉SLAM问题进行了研究，本文单目视觉SLAM具体实现的方案：在图优化的模型下，采用自然环境点特征作为路标描述环境地图，不需要人工标记等辅助手段，满足大规模的复杂未知环境下移动机器人的需求；为了能够快速提取自然路标，采用改进的FAST＋BRISK点特征提取方法即ORB特征提取与匹配算法，为了保证每顿国像获取足够多的均匀路标，提高恃征的稳定性，将基于区域分割的优化方法用于地图路标的选取；比较各种场景采样技术的原理和优劣，将时间选择法与图像匹配法融合作为关键巾贞的选取方法。构建了视觉词典树的闭环检测方法来进行全局关联，减少地图的累计误差，并且将闭环检测方案运用到特定跟踪丢失的情况下。通过对摄像头成像模型的分析并且完成摄像头的标定实验来进行运动结构恢复并且完成摄像头的标定以及地图的优化；在滤波的模型下，通过逆深度模型的构建对地图进行处理，解决单目视觉不能解决深度的缺点。最后通过实验设计与分析，对公共数据集及真实室内室外场景分别进行了实验，验证了本文提出的单目视觉SLAM算法的可行性。

.........

2基于图像特征的场景建模和闭环检测的硏究

2.1视觉SLAM中的图像特征提取

目前大部分的视觉SLAM方法都是基于环境点特征，SLAM系统建立的环境模型都是特征地图。在生成的特征地图中，每一个特征代表着环境中摄像头传感器观测到的目标信息。视觉定位方法通常需要从每顿输入图像中提取特征，得到相关特征在图像序列帖间对应关系，并据此进行运动估计得到帖间相对位移，移动机器人或者移动设备正是通过分布于环境中的特征信息来对自身的位置进行估计和纠正，同时本章关键顿的选择以及闭环检测部分都需要用到特征提取与匹配，因此特征提取与匹配是视觉SLAM最为基础但又至关重要的一个步骤，所有的后续处理都建立在所提取特征与匹酷的基础上。尽管己经有许多不同的视觉特征算法应用到视觉SLAM中，但如何选择合适的特征提取方法在视觉SLAM系统依然是一个非常重要的问题。因此本章介绍了常用的特征提取算法，并且在实验部分设计了关于特征提取算法的对比实验（实验情况请参见第四章），通过实验分祈决定选择ORB特征提取算法并且根据实际中的应用对其进行优化作为检测自然环境中路标的方法。

2.2视觉化SLAM中的地图特征匹配

关键顿的选择是视频压缩、存储、传输、检索等领域的重要技术，受到广泛关注和研究以１。然而在基于视觉的SLAM中，关键顿的选择作为必要环节却并未受到足够关注？在视觉SLAM中，将关键帖的选择作为一个关键步骤，是基于以下缘由：（1）待处理圈像的数量性：随着机器人运行，处理圈像的数量急剧增加，对设备以及算法提出了很高的要求，尤其是室外大规模环境下，国像数量性不能忽视。（2）连续图像序列的局部相似性：由于机器人捕获的连续图像序列中，相邻帖图像可能是对同一场景的成像，图像之间相似性比较髙。这种局部时间域的商度相似性特点，造成采集的图像中存在冗余数据，当机器人移动缓慢或者停止运动时，采集图像内容的相似性几乎不变。如果对这些兀余图像进行算法计算，必然会造成大量计算资源的浪费。因此，基于视觉的SLAM中一方面对所有图像数据实现处理会比较复杂，另－方面，没有高精度要求的情况下，并不需要计算全部场景图像。因此对场景进行有效的关巧倾选择成为提离视觉SLAM系统实时性的一个重要步骤。

3基于困优化SLAM算法的研究.....31

3.1基于图优化SLAM方法的介绍.....31
3.2自然特征下基于图优化的单目SLAM算法.....34
3.3摄像头成像模型.....35
4实验结果与分析.....49
4.1图像特征算法的比较分析.....49
4.2关键顿和闭环检测实验.....53
5总结与展望.......65

4实验结果与分析

4.1图像特征算法的比较分析

当前有很多关于点特征，，全局特征等国像特征算法在视觉SLAM研究中得到广泛应用，而且也有相关的图像特征算法性能对比研究，但是这些对比试验研究存在些许不足：没有结合视觉SLAM的具体应用条件和存在的问题做出分析，其中大部分是针对目标识别与跟踪，图像匹配，三维重构等研究领域；本文为了寻求一种较优的特征算法来解决单目视觉SLAM中特征路标的表示和特征的正确匹配问题，设计了相关实验来评估各种特征提取算法。

4.2关键帖和闭环检测实验

为了方便测量逆深度模型算法的误差，着重生成存在有惊定板的视频序列。取标定板上的点作为测量的特征点。实验跟踪了一个地图特征在图像序列中的变化过程，分别记录了这个特征点在三幅不同时刻的图像中的位置信息变化，分析了测量值和预测值之间的误差。图中红色粗圆圈表示本次迭代选取的最准确的特征点，楠圆的大小代表匹配的置信水平。箭头代表方位信息，图像显示的是后一顿与前一顿正常匹配后的运行情况。右侧图中三角形代表的是摄像机的位置，采用俯视角度来观察，俯视面为平面。地图特征在环境中的方位及位置信息可通过到摄像头的相对位置进行观测。

.......

5总结与展望

SLAM技术是实现机器人自主导航的基础和关键技术，也是増强现实技术、视觉医疗、三维重建、智能家居等领域的热点研究对象，具有重要的理论意义和实用价值；由于视觉传感器有获取信息量大、廉价、安装方便等诸多优点，基于视觉的SLAM引起了国内外学者的广泛关注。如何快速稳定地描述自然环境特征，有效地构建室外较大尺度地图并且优化系统的数据关联是SLAM研究领域的难点也是本文研究的重点。在大量调研的基础上，选取了结构方便、可扩展性强的单目视觉作为视觉传感器，为了构建较大场景的地图，并没有选择目前比较成熟的扩展卡尔曼滤波建模方法而是选择了可以应用在较大场景的图优化建模方法。在开发SLAM系统的过程中，对SLAM的子问题以及实验中遇到的问题进行分析解决，最后在搭载单目相机的移动平台下完成室内外环境定位与地图构建。本文的单目视觉SLAM的步骤可概括为自然路标特征提取、关键顿选择、闭环检测、运动结构恢复、地国优化、逆深度估计处理，完成的工作和取得的研究成果也主要从这几方面进行阐述。

......

参考文献（略）

本文编号：64382