發(fā)布時(shí)間：2022-01-20 12:12

　　不同的傳感器用于導(dǎo)航定位各有其優(yōu)勢(shì)與不足,需要依據(jù)不同的應(yīng)用場(chǎng)景對(duì)各傳感器進(jìn)行組合以獲取最優(yōu)導(dǎo)航定位性能。在城市、橋梁等遮擋環(huán)境下,GPS信號(hào)容易發(fā)生中斷或衛(wèi)星信號(hào)質(zhì)量不佳,導(dǎo)致室外定位精度不夠。為此,本文將主要研究視覺里程計(jì)/IMU輔助GPS融合定位算法,提高室外受限環(huán)境下導(dǎo)航定位精度與可靠性。本文的主要研究內(nèi)容有:（1）分別研究了視覺里程計(jì)和IMU的關(guān)鍵技術(shù)。針對(duì)視覺里程計(jì)中特征點(diǎn)匹配計(jì)算量大及誤匹配的現(xiàn)象,集成圖像處理領(lǐng)域中基于歐式距離閾值設(shè)定的預(yù)處理算法,提出視覺里程計(jì)前端特征點(diǎn)匹配優(yōu)化算法。通過實(shí)驗(yàn)證明,提升了特征點(diǎn)提取的質(zhì)量。（2）討論視覺里程計(jì)/IMU組合導(dǎo)航算法理論基礎(chǔ),建立視覺里程計(jì)/IMU緊耦合模型。針對(duì)實(shí)驗(yàn)中的多傳感器時(shí)間同步問題,使用軟件算法估計(jì)硬件設(shè)備之間的時(shí)間偏差。（3）提出基于抗差自適應(yīng)卡爾曼濾波的GPS/視覺里程計(jì)/IMU組合算法。通過手持接收設(shè)備采集GPS數(shù)據(jù),進(jìn)一步融合視覺里程計(jì)/IMU信息解算載體位置。在遮擋環(huán)境下,單GPS的精度E、N、U三個(gè)方向的RMS值分別為:9.7653m、31.8248m、20.8644m,而基于抗差的多系統(tǒng)融合位置精度E... 

【文章來源】：華東師范大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：95 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

火星探測(cè)器Fig.1-1Marsprobe

圖 2-3 FAST 特征點(diǎn)檢測(cè)[34]Fig.2-3 The corner detection of FASTFAST 特征點(diǎn)檢測(cè)是比較像素間的差異，速度很快，但是會(huì)出現(xiàn)獲取的特征點(diǎn)數(shù)量很大且不確定的情況，所以 ORB 對(duì) FAST 算法進(jìn)行了改進(jìn)。假設(shè)每幀圖片提取 N 個(gè)角點(diǎn)，對(duì) FAST 檢測(cè)出來的角點(diǎn)分別計(jì)算 Harris 響應(yīng)值，取前 N 個(gè)最大響應(yīng)值的角點(diǎn)作為最終的特征點(diǎn)。ORB 還添加了對(duì)尺度和旋轉(zhuǎn)的描述，通過構(gòu)建圖像金字塔對(duì)圖像進(jìn)行不同層次的降采樣，獲取不同分辨率的圖像，增加了圖像特征的尺度不變性。ORB 利用灰度質(zhì)心法實(shí)現(xiàn)圖像特征的旋轉(zhuǎn)不變性，即通過求解圖像矩陣塊以灰度值作為權(quán)重的中心來當(dāng)做質(zhì)心，具體步驟如下：（1） 在圖片中選取一個(gè)小的圖像塊 A 中，定義圖像塊 A 的矩為： = ( )( ) (2-1)其中 ( )表示圖像塊 A 中的像素，其中 和 取值為 0 或 1。

圖 2-4 特征點(diǎn)檢測(cè)場(chǎng)景 1（左）和場(chǎng)景 2（右）Fig.2-4 The feature point detection of scenario 1(left) and scenario 2(right)圖 2-5 特征點(diǎn)檢測(cè)場(chǎng)景 3（左）和場(chǎng)景 4（右）Fig.2-5 The feature point detection of scenario 3(left) and scenario 4(right)下面直接對(duì) ORB 檢測(cè)出來的特征點(diǎn)進(jìn)行暴力匹配和優(yōu)化 RANSAC 匹配，圖 2-6、圖 2-8、圖 2-10 和圖 2-12 是暴力匹配的結(jié)果，圖 2-7、圖 2-9、圖 2-11 和

【參考文獻(xiàn)】：
期刊論文
[1]GNSS/VO組合導(dǎo)航研究現(xiàn)狀及發(fā)展趨勢(shì)[J]. 曾慶喜,邱文旗,馮玉朋,劉德輝,賈豐源.  導(dǎo)航定位學(xué)報(bào). 2018(02)
[2]基于自適應(yīng)Ransac算法的基礎(chǔ)矩陣估算[J]. 張晶晶,官云蘭,郝冬冬.  北京測(cè)繪. 2018(01)
[3]全球?qū)Ш叫l(wèi)星系統(tǒng)反射測(cè)量（GNSS+R）最新進(jìn)展與應(yīng)用前景[J]. 金雙根,張勤耘,錢曉東.  測(cè)繪學(xué)報(bào). 2017(10)
[4]自適應(yīng)抗差濾波理論及應(yīng)用的主要進(jìn)展[J]. 楊元喜,任夏,許艷.  導(dǎo)航定位學(xué)報(bào). 2013(01)
[5]自主視覺導(dǎo)航方法綜述[J]. 黃顯林,姜肖楠,盧鴻謙,李明明.  吉林大學(xué)學(xué)報(bào)(信息科學(xué)版). 2010(02)
[6]兩種漸消濾波與自適應(yīng)抗差濾波的綜合比較分析[J]. 楊元喜,高為廣.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2006(11)
[7]動(dòng)態(tài)系統(tǒng)的抗差Kaliman濾波[J]. 楊元喜.  解放軍測(cè)繪學(xué)院學(xué)報(bào). 1997(02)

博士論文
[1]視覺里程計(jì)輔助的INS/GPS組合導(dǎo)航系統(tǒng)研究[D]. 張亞.哈爾濱工程大學(xué) 2015
[2]單目視覺/慣性組合導(dǎo)航可觀性分析與動(dòng)態(tài)濾波算法研究[D]. 馮國虎.國防科學(xué)技術(shù)大學(xué) 2012

碩士論文
[1]基于IMU預(yù)積分的視覺慣性里程計(jì)系統(tǒng)[D]. 蘇泫.華南理工大學(xué) 2018
[2]GPS/Visual/INS多傳感器融合導(dǎo)航算法的研究[D]. 王加芳.浙江大學(xué) 2017
[3]衛(wèi)星/INS組合導(dǎo)航仿真平臺(tái)研究與實(shí)現(xiàn)[D]. 彭健.國防科學(xué)技術(shù)大學(xué) 2005



本文編號(hào)：3598802