【摘要】：隨著人工智能技術(shù)的迅速發(fā)展,無人駕駛技術(shù)逐漸進(jìn)入大眾的視野,成為當(dāng)前火熱的研究課題。作為無人車重要組成模塊之一,高精度地圖能夠提供比傳統(tǒng)地圖更豐富、更精確的信息,這也意味著傳統(tǒng)地圖已經(jīng)無法滿足無人車的需求。因此,高精度地圖的快速采集與構(gòu)建迫在眉睫�，F(xiàn)有的依靠車載相機(jī)的地圖采集方案具有視野小、透視形變大、靈活性差、采集路線受交通狀況影響等問題。針對這些問題,本文提出基于無人機(jī)航拍的地圖采集方案,并針對道路圖像紋理少、重復(fù)性高的特點(diǎn),主要研究了道路場景的二維重建與三維重建問題。針對道路場景的二維重建問題,我們提出了基于稀疏光流的圖像拼接算法,實現(xiàn)了較大規(guī)模場景下高分辨率航拍圖像的拼接。算法使用Lucas-Kanade光流實現(xiàn)圖像中的特征點(diǎn)匹配;在基于全局基準(zhǔn)圖的拼接框架下,挑選圖像序列中的關(guān)鍵幀參與圖像拼接。為了減少累積誤差的影響,在圖像拼接前,進(jìn)行了關(guān)鍵幀相對于基準(zhǔn)圖的二次校正。針對道路場景的三維重建問題,我們提出了基于半直接法的類平面場景重建算法,在恢復(fù)稀疏的三維場景結(jié)構(gòu)同時準(zhǔn)實時地獲取相機(jī)的運(yùn)動軌跡。我們使用半直接法完成三維空間點(diǎn)到圖像特征點(diǎn)的匹配,同時引入局部平面假設(shè),將數(shù)量眾多的特征點(diǎn)約束到平面上,從而提高了光束平差法求解位姿和三維結(jié)構(gòu)時的效率。最后,我們將實時獲得的相機(jī)軌跡應(yīng)用于圖像拼接算法中,成功獲得了道路全景圖像。與現(xiàn)有的衛(wèi)星圖對比,我們恢復(fù)的道路圖像具有更高的地表分辨率,可以達(dá)到1厘米每像素。利用這些高分辨率道路全景圖,我們可以快速構(gòu)建高精度地圖。
【學(xué)位授予單位】：南京理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP391.41;P283.7
【圖文】：

圖表目錄逡逑邐邋圖１．１邋Ｈｅｒｅ地車實例圖………二二．．二．…………………．二邋邐邐邐１逡逑圖１．２車載相機(jī)視野下的路面邐邐邐邐邐邐邐２逡逑表１，１高精度建圖方案比較邐邐邋邋３逡逑圖２．１無人機(jī)視角下的路面邐．．．７逡逑圖２．邋２邋Ｓｈｉ－Ｔｏｍａｓｉ響應(yīng)值

１．２無人機(jī)航拍重建方案的優(yōu)勢逡逑圖１．２車載相機(jī)視野下的路面逡逑如圖１．２所示，在車載前視相機(jī)的視野中，路面只占據(jù)了很小一塊區(qū)域。由于透視逡逑效果，該區(qū)域遠(yuǎn)方的像素分辨率無法滿足高精度地圖的要求，從而圖像中可利用的道路逡逑信息變得更少。這意味著，在基于車載相機(jī)的道路高精度重建中，采集車如同一個近視逡逑患者，單幀感知的有效道路環(huán)境信息十分有限。并且，由于復(fù)雜的道路交通環(huán)境，地圖逡逑采集車在采集過程中的行駛軌跡無法得到保證，頻繁的換道、變速將增加后續(xù)地圖重建逡逑工作的困難度。逡逑另一方面，衛(wèi)星圖像的分辨率無法滿足高精度地圖的需求。以谷歌衛(wèi)星地圖為例，逡逑由于美國政府的限制，民用衛(wèi)星地圖最高精度為５０厘米。甚至即使是如此低的分辨率，逡逑谷歌地圖也只能在少數(shù)大城市區(qū)域提供，其余大部分區(qū)域的衛(wèi)星圖像分辨率只能達(dá)到米逡逑２逡逑

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 叢楚瀅;王從慶;丁臻極;李志宇;;一種小型無人機(jī)的FastSLAM算法[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2015年S1期

2 楊宇博;程承旗;;基于分塊Harris特征的航拍視頻拼接方法[J];北京大學(xué)學(xué)報(自然科學(xué)版);2013年04期

相關(guān)博士學(xué)位論文 前2條

1 劉浩敏;面向復(fù)雜環(huán)境的魯棒高效的三維注冊與結(jié)構(gòu)恢復(fù)[D];浙江大學(xué);2017年

2 廖斌;基于特征點(diǎn)的圖像配準(zhǔn)技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2008年

相關(guān)碩士學(xué)位論文 前7條

1 張佩強(qiáng);基于改進(jìn)Harris算法的快速視頻拼接技術(shù)研究[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2017年

2 侯陽陽;基于無人機(jī)航拍圖像的道路檢測[D];南京理工大學(xué);2017年

3 謝榛;基于無人機(jī)航拍圖像的室外場景三維重建技術(shù)研究[D];浙江工業(yè)大學(xué);2014年

4 黃達(dá)飛;面向類平面場景的全自動圖像拼接技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2012年

5 曹彥星;基于視頻圖像的拼接技術(shù)研究與實現(xiàn)[D];東北大學(xué);2010年

6 韋曉曼;空中視頻序列的圖像拼接及二維重建的研究[D];南京理工大學(xué);2008年

7 張宇;基于空中視頻的地圖重建的研究[D];南京理工大學(xué);2007年

本文編號：2732085