同步定位與地圖構(gòu)建（Simultaneous Localization and Mapping,SLAM）技術(shù),可以在未知的作業(yè)區(qū)域,機器人通過自身傳感器來獲取周圍環(huán)境的特征推算出其位姿,并借助定位信息逐漸更新出周圍的環(huán)境地圖。水下自主機器人的作業(yè)特點通常是時間長、隱蔽性強。視覺SLAM技術(shù)可以利用視覺信息在航行器沒有配備導(dǎo)航系統(tǒng)或者其它定位導(dǎo)航方法失效的時候提供定位導(dǎo)航功能。實現(xiàn)基于水下視覺的同步定位與地圖構(gòu)建解決方案,本文主要的研究工作有:1.通過圖像序列信息獲取相機內(nèi)參。在只有圖像信息的條件下,本文的相機標定方法區(qū)別于傳統(tǒng)方法,直接采用圖像信息獲得相機傳感器的模型參數(shù),得到三維空間和二維測量數(shù)據(jù)之間的數(shù)學(xué)映射關(guān)系。2.ORB（Oriented FAST and Rotated BRIEF）特征點提取算法能夠滿足系統(tǒng)的實時性要求,針對提取的特征點在圖像中分別不均勻的問題,本文采用格柵化圖像分區(qū)域提取的方法。為提高特征點匹配的速率,本文借助詞袋模型構(gòu)建的字典、借助運動先驗知識加速特征點的匹配。在提升特征點匹配的正確率方面,運用匹配特征點對的方向差的統(tǒng)計規(guī)律來剔除錯誤匹配。3.設(shè)計一個... 

【文章來源】：哈爾濱工程大學(xué)黑龍江省 211工程院校

【文章頁數(shù)】：89 頁

【學(xué)位級別】：碩士

【部分圖文】：

悉尼大學(xué)Oberon航行器國內(nèi)也有一部分的研究機構(gòu)從事水下航行器的SLAM研究工作，中國海洋大學(xué)和哈爾

第 1 章 緒論的位姿。2011 年 Newcombe 等人提出的通過 GPU 加速獲得實時處理效果的 DTAM[14]（稠密跟蹤與建圖）算法，標志著基于直接跟蹤的視覺 SLAM 的開端， DTAM 對圖像的特征缺少、圖像模糊有很強的魯棒性，但是模型的擴展效率較低，圖 1.3 右圖是該算法運行示意圖。為了減小計算量，2013 年由 Engel 等提出了僅恢復(fù)半稠密地圖的 LSD-SLAM[15]，并且 LSD-SLAM 采用關(guān)鍵幀表達場景，每個像素深度獨立計算，所以其計算效率大大提高。上述的視覺 SLAM 算法框架中，基于線性濾波的不適合大場景下的定位運用；基于直接跟蹤的視覺 SLAM，其龐大的計算量會對設(shè)備的性能提出要求，而且很難應(yīng)用于對設(shè)備耗能要求苛刻的水下航行器中。本文主要是為了在民用領(lǐng)域的工作在淺水環(huán)境中的水下航行器提供水下定位方案。研究運用在水下航行器中的基于特征的視覺 SLAM，因為其對設(shè)備的要求低加上航行器運動平穩(wěn)而具有可行性。

第2章 相機標定與特征點提取于圖像的水下視覺系統(tǒng)中，相機作為水下航行器感知環(huán)境的器件，把型參數(shù)是研究真實環(huán)境到測量數(shù)據(jù)之間聯(lián)系的先決條件。圖像形式的巨大，所以找到能夠表征圖像特征的特征點對后續(xù)研究的研究過程至模型相機的模型有很多，但是用的比較多的也相對簡單的是針孔模型[16]。在坐標系下進行的，討論相機模型會設(shè)計到以下坐標系：界坐標系 ( , ,)TW W WX Y Z ；機坐標系 ( , ,)TC C CX Y Z ，坐標原點在相機光心；理成像平面 ( x ,y )，在距相機光心一倍焦距的平面上的像平面坐標系素平面坐標系 ( u ,v )，和物理成像平面共面，原點位于圖像的左上角行，v 軸向下與 y 軸平行。


本文編號：3529085