發(fā)布時(shí)間：2020-05-02 18:35

【摘要】：物體位姿估計(jì)在計(jì)算機(jī)視覺(jué)、增強(qiáng)現(xiàn)實(shí)及機(jī)器人等領(lǐng)域具有非常重要的地位�，F(xiàn)有位姿估計(jì)算法依賴(lài)于物體先驗(yàn)信息,如形狀、大小,以及物體的運(yùn)動(dòng)軌跡。當(dāng)沒(méi)有先驗(yàn)信息時(shí),采用相機(jī)作為單一傳感器進(jìn)行位姿估計(jì)時(shí),算法容易產(chǎn)生誤差累積。因此,本文對(duì)位姿估計(jì)問(wèn)題進(jìn)行深入研究,提出三種算法以解決上述問(wèn)題。論文首先提出了基于滑動(dòng)窗口濾波器(Sliding Window Filter SWF)的位姿估計(jì)算法,實(shí)現(xiàn)了對(duì)任意剛性物體六自由度位姿的估計(jì),并且適用于任意運(yùn)動(dòng)軌跡。算法利用RGB-D相機(jī)提取的特征點(diǎn)彩色和深度信息,通過(guò)滑動(dòng)窗口濾波器在同時(shí)估計(jì)物體位姿和物體結(jié)構(gòu)。在每個(gè)滑動(dòng)窗口內(nèi),采用高斯牛頓算法迭代優(yōu)化物體的位姿與結(jié)構(gòu),并用隨機(jī)抽樣一致性算法和OPnP算法產(chǎn)生高斯牛頓算法的初值。仿真實(shí)驗(yàn)通過(guò)與先進(jìn)的位姿估計(jì)算法對(duì)比,驗(yàn)證算法在沒(méi)有先驗(yàn)假設(shè)的條件下,依然能有效地估計(jì)物體的位姿,并且位姿估計(jì)可以達(dá)到與已知先驗(yàn)信息的先進(jìn)算法同等的效果。實(shí)物實(shí)驗(yàn)采用RGB-D物體跟蹤標(biāo)準(zhǔn)數(shù)據(jù)集提供的真實(shí)數(shù)據(jù),對(duì)于4種在不同運(yùn)動(dòng)、光照條件下的物體,驗(yàn)證了算法的有效性與魯棒性。在滑動(dòng)窗口濾波器位姿估計(jì)算法的基礎(chǔ)上,針對(duì)誤差累積提出基于卡爾曼濾波的結(jié)構(gòu)濾波算法。算法利用物體剛性假設(shè)構(gòu)建運(yùn)動(dòng)模型,通過(guò)高斯牛頓算法求解的結(jié)構(gòu)構(gòu)建觀測(cè)模型,實(shí)現(xiàn)對(duì)結(jié)構(gòu)的濾波,并且將濾波結(jié)果更新到點(diǎn)云模型。仿真實(shí)驗(yàn)結(jié)果表明,結(jié)構(gòu)濾波算法可以有效抑制誤差累積,大幅提高位姿估計(jì)的精度�？紤]到滑動(dòng)窗口濾波器多幀信息處理上的速度較慢,本文進(jìn)一步提出一種基于迭代擴(kuò)展卡爾曼濾波的位姿估計(jì)算法。算法不依賴(lài)于任何先驗(yàn)物體信息,但需要物體的常速度運(yùn)動(dòng)模型假設(shè)。與現(xiàn)有的基于IEKF的算法不同的是,本文算法同時(shí)將位姿和物體結(jié)構(gòu)作為狀態(tài),實(shí)現(xiàn)位姿與狀態(tài)的同時(shí)估計(jì)。利用狀態(tài)小擾動(dòng)策略推導(dǎo)了在特殊歐式群空間的IEKF計(jì)算公式,通過(guò)觀測(cè)模型的多次迭代修正了由運(yùn)動(dòng)模型假設(shè)與實(shí)際運(yùn)動(dòng)不一致導(dǎo)致的估計(jì)誤差。實(shí)驗(yàn)結(jié)果表明,算法可以達(dá)到滑動(dòng)窗口濾波器、OPnP算法較為接近的估計(jì)效果,雖然IEKF的位姿估計(jì)精度略低于滑動(dòng)窗口濾波器,但算法速度有顯著提高。同時(shí),實(shí)驗(yàn)驗(yàn)證了本文IEKF算法雖然采用常速度運(yùn)動(dòng)模型,但是模型的不準(zhǔn)確性對(duì)位姿估計(jì)的影響較小。
【圖文】：

上海交通大學(xué)碩士學(xué)位論文第一章 引言究的背景及意義姿估計(jì)問(wèn)題的核心在于估計(jì)相機(jī)與物體之間的六自由度（oF）相對(duì)位姿。物體位姿估計(jì)在計(jì)算機(jī)視覺(jué)、增強(qiáng)現(xiàn)實(shí)、機(jī)器人等應(yīng)用中非常重要[1 3]。比如，在增強(qiáng)現(xiàn)實(shí)領(lǐng)域中 1-1 右側(cè)所示的綠色區(qū)域插入到左側(cè)白色物體中[4]。因此需相機(jī)的 6 自由度位姿，并按照所計(jì)算的位姿插入綠色區(qū)域示，在空間機(jī)器人應(yīng)用領(lǐng)域中，衛(wèi)星的自主交會(huì)對(duì)接是非交會(huì)對(duì)接需要實(shí)時(shí)估計(jì)合作衛(wèi)星的位姿，若位姿估計(jì)不準(zhǔn)損壞，，后果將非常嚴(yán)重。

自主對(duì)接舉例[6]
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：TN713

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 朱凱;;基于橢圓特征的工件位姿估計(jì)方法[J];電腦知識(shí)與技術(shù);2019年21期

2 茹祥宇;金潮;潘成峰;許超;;單目視覺(jué)慣性融合方法在無(wú)人機(jī)位姿估計(jì)中的應(yīng)用[J];控制與信息技術(shù);2018年06期

3 曾霞霞;李佐勇;林文如;;一種基于隨機(jī)森林的頭部位姿估計(jì)算法[J];福建師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年04期

4 宋亮;李志;馬興瑞;;基于激光成像雷達(dá)的未知目標(biāo)相對(duì)位姿估計(jì)算法[J];系統(tǒng)仿真學(xué)報(bào);2017年05期

5 徐蕭蕭;王智靈;陳宗海;;視頻序列中基于頭肩分割的人體位姿估計(jì)算法[J];中國(guó)圖象圖形學(xué)報(bào);2010年12期

6 臧雨飛;談?dòng)⒆?;基于救援機(jī)器人靈活操控的目標(biāo)位姿估計(jì)研究[J];工業(yè)控制計(jì)算機(jī);2018年06期

7 張正鵬;張強(qiáng);;車(chē)載全景序列影像的位姿估計(jì)優(yōu)化方法[J];測(cè)繪科學(xué);2017年12期

8 屈也頻;張超然;呂余海;;基于機(jī)器視覺(jué)的最大似然位姿估計(jì)算法[J];應(yīng)用光學(xué);2019年02期

9 吳妍;吳芬;戚國(guó)慶;;基于人工標(biāo)志的單目視覺(jué)下無(wú)人機(jī)位姿估計(jì)[J];電子設(shè)計(jì)工程;2017年12期

10 劉然;范秀敏;尹旭悅;王冀凱;楊旭;;AR輔助裝配中基體及零件位姿組合估計(jì)方法[J];機(jī)械設(shè)計(jì)與研究;2018年06期

相關(guān)會(huì)議論文 前7條

1 張捚豪;楊旭升;馮遠(yuǎn)靜;李永強(qiáng);張文安;;基于自適應(yīng)無(wú)跡卡爾曼濾波和單目視覺(jué)的運(yùn)動(dòng)剛體位姿估計(jì)[A];第37屆中國(guó)控制會(huì)議論文集（C）[C];2018年

2 張?chǎng)?張雅聲;姚紅;;基于SoftPOSIT算法的非合作目標(biāo)相對(duì)位姿估計(jì)[A];系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)論文集（第15卷）[C];2014年

3 周船;談大龍;朱楓;;基于模型的位姿估計(jì)中優(yōu)化方法研究[A];第二屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

4 李博;王孝通;徐曉剛;楊常青;;艦載直升機(jī)位置姿態(tài)測(cè)量方法研究[A];可持續(xù)發(fā)展的中國(guó)交通——2005全國(guó)博士生學(xué)術(shù)論壇（交通運(yùn)輸工程學(xué)科）論文集（下冊(cè)）[C];2005年

5 吳清瀟;郝穎明;李碩;朱楓;;基于視覺(jué)伺服的水下機(jī)器人懸停定位[A];2007中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2007年

6 劉璽;方勇純;張雪波;;基于單應(yīng)矩陣的位姿估計(jì)方法及應(yīng)用[A];第二十七屆中國(guó)控制會(huì)議論文集[C];2008年

7 姚紅;程文華;張雅聲;湯亞鋒;;僅使用單目視覺(jué)的航天器自主逼近控制仿真[A];空天資源的可持續(xù)發(fā)展——第一屆中國(guó)空天安全會(huì)議論文集[C];2015年

相關(guān)博士學(xué)位論文 前10條

1 陳鵬;基于單目視覺(jué)的像機(jī)位姿估計(jì)技術(shù)[D];北京科技大學(xué);2015年

2 王可;基于變分模型的移動(dòng)機(jī)器人三維環(huán)境建模方法研究[D];北京工業(yè)大學(xué);2016年

3 張躍強(qiáng);基于直線(xiàn)特征的空間非合作目標(biāo)位姿視覺(jué)測(cè)量方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2016年

4 李鑫;基于視覺(jué)的位姿估計(jì)與點(diǎn)目標(biāo)運(yùn)動(dòng)測(cè)量方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2015年

5 江士雄;面向位姿估計(jì)的相機(jī)系統(tǒng)標(biāo)定方法研究[D];華中科技大學(xué);2016年

6 李由;基于輪廓和邊緣的空間非合作目標(biāo)視覺(jué)跟蹤[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

7 徐偉杰;基于視覺(jué)的微小型無(wú)人直升機(jī)位姿估計(jì)與目標(biāo)跟蹤研究[D];浙江大學(xué);2012年

8 崔家山;三維運(yùn)動(dòng)立體視覺(jué)測(cè)量方法研究[D];哈爾濱工業(yè)大學(xué);2016年

9 桂陽(yáng);基于機(jī)載視覺(jué)的無(wú)人機(jī)自主著艦引導(dǎo)關(guān)鍵技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

10 洪裕珍;空間非合作目標(biāo)的單目視覺(jué)姿態(tài)測(cè)量技術(shù)研究[D];中國(guó)科學(xué)院光電技術(shù)研究所;2017年

相關(guān)碩士學(xué)位論文 前10條

1 孫俊逸;居家健康看護(hù)場(chǎng)景下基于深度學(xué)習(xí)的3D人體位姿估計(jì)[D];鄭州大學(xué);2019年

2 康甲;復(fù)雜場(chǎng)景中的3D目標(biāo)表達(dá)與檢測(cè)[D];電子科技大學(xué);2019年

3 曾燦燦;基于高幀率雙目視覺(jué)的物體位姿估計(jì)方法及其在機(jī)器人抓取中的應(yīng)用[D];上海交通大學(xué);2018年

4 宋佳儒;基于濾波算法的物體位姿估計(jì)[D];上海交通大學(xué);2018年

5 李?lèi)?基于機(jī)器人手眼系統(tǒng)的物體識(shí)別與位姿估計(jì)技術(shù)研究[D];上海交通大學(xué);2018年

6 劉然;AR輔助裝配中基體零件位姿估計(jì)與狀態(tài)檢測(cè)方法研究[D];上海交通大學(xué);2018年

7 陳玉寅;基于卡爾曼濾波器的運(yùn)動(dòng)剛體位姿估計(jì)方法研究[D];浙江工業(yè)大學(xué);2018年

8 李媛;基于循環(huán)卷積網(wǎng)絡(luò)的小行星繞飛段視覺(jué)相對(duì)位姿估計(jì)算法研究[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院國(guó)家空間科學(xué)中心);2019年

9 吳炎桐;基于無(wú)監(jiān)督學(xué)習(xí)的相機(jī)位姿估計(jì)算法研究[D];北京郵電大學(xué);2019年

10 王成雨;基于視覺(jué)環(huán)境感知技術(shù)的自動(dòng)泊車(chē)系統(tǒng)研究[D];江蘇大學(xué);2019年

本文編號(hào)：2647370