發(fā)布時(shí)間：2021-07-13 00:54

　　隨著無人機(jī)應(yīng)用場(chǎng)景的不斷擴(kuò)展,所面臨的使用環(huán)境也越來越復(fù)雜,甚至是未知的場(chǎng)所。因此,對(duì)環(huán)境的智能感知能力對(duì)智能無人機(jī)而言,則顯得越來越重要,這也是無人機(jī)發(fā)展的一個(gè)重要方向。同時(shí)定位與地圖構(gòu)建（Simultaneous Localization and Mapping,SLAM）作為無人機(jī)、無人車為代表的智能體核心技術(shù),在智能化領(lǐng)域占有重要的地位。SLAM技術(shù)能夠解決機(jī)器人定位以及環(huán)境地圖的重建,這也是智能感知的基礎(chǔ)。而視覺SLAM,特別是單目視覺SLAM,由于能夠運(yùn)用機(jī)載相機(jī),而無需增配其他傳感器,來提供豐富、人眼可見信息的同時(shí),來構(gòu)建地圖和實(shí)現(xiàn)定位,因而在載荷限制較多的智能無人機(jī)上應(yīng)用廣泛。但是,現(xiàn)有的單目視覺SLAM方法中存在容易受光照影響而產(chǎn)生過多的地圖噪聲,以及無人機(jī)軌跡估計(jì)不夠準(zhǔn)確造成算法的適用性不強(qiáng),魯棒性不高等問題,在一定程度上影響了該技術(shù)在無人機(jī)上的應(yīng)用。因此,本文首先針對(duì)直接法DSO（Direct Sparse Odometry）容易受到光照條件影響的缺陷,提出一種基于DoN（Difference of Normal）的點(diǎn)云后端優(yōu)化方法。該方法首先把點(diǎn)云柵格化,并計(jì)算... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：94 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

無人機(jī)的應(yīng)用

年，A.J.Davison等人[22]結(jié)合前人完善的SLAM基礎(chǔ)框架提出了一種僅依賴于單目視覺的SLAM系統(tǒng)—MonoSLAM，系統(tǒng)運(yùn)行如圖1-5所示，該系統(tǒng)提取前端很稀疏的特征點(diǎn)，后端采用拓展的卡爾曼濾波算法，并借此加以監(jiān)測(cè)追蹤，使視覺SLAM得以在標(biāo)準(zhǔn)PC上以30Hz的速度實(shí)時(shí)運(yùn)行。MonoSLAM的問世導(dǎo)致后面涌現(xiàn)的許多關(guān)于視覺SLAM系統(tǒng)都是以MonoSLAM系統(tǒng)為基礎(chǔ)實(shí)現(xiàn)的。它的貢獻(xiàn)在于使SLAM可以有效地運(yùn)行，證實(shí)了只依靠單個(gè)相機(jī)也可以實(shí)時(shí)地完成定位與建圖等工作[23]。但是MonoSLAM存在著諸如應(yīng)用場(chǎng)景窄及稀疏特征點(diǎn)十分容易被跟丟的缺陷。圖1-5MonoSLAM運(yùn)行圖PTAM（ParallelTrackingandMapping）系統(tǒng)是牛津大學(xué)的GeorgKlein等人[24]在2007年提出的，其工作運(yùn)行如圖1-6所示。PTAM系統(tǒng)的出現(xiàn)是視覺SLAM發(fā)展過程中的關(guān)鍵事件，PTAM創(chuàng)新性地采用特征點(diǎn)追蹤與構(gòu)建地圖的同時(shí)運(yùn)行，采用新興的非線性優(yōu)化方法作為后端優(yōu)化算法。但它有著使用范圍場(chǎng)景小，容易

第一章緒論7跟丟目標(biāo)等明顯缺陷。圖1-6PTAM運(yùn)行圖2015年由RaulMur-Artal等人[25]提出的ORB-SLAM是PTAM的一位十分出名的繼承者，其運(yùn)行狀況如圖1-7所示。ORB-SLAM的到來是基于特征點(diǎn)法SLAM的一個(gè)重要里程碑。ORB-SLAM算法通過提取圖像的ORB特征，進(jìn)行幀間匹配，從而完成自身相機(jī)的定位與周圍環(huán)境地圖的構(gòu)建。ORB-SLAM系統(tǒng)具有廣泛的適用性，可根據(jù)不同場(chǎng)景的需要搭載三種類型的相機(jī)，將追蹤、局部地圖構(gòu)建和回環(huán)檢測(cè)進(jìn)行分離，并被后續(xù)眾多研究者認(rèn)同和采用。相較于其他SLAM系統(tǒng)，ORB-SLAM系統(tǒng)有著卓越的用于回環(huán)檢測(cè)的算法，能夠有效的減少累積誤差，還能進(jìn)行重定位等操作，但是ORB-SLAM依舊存在著一些缺陷。為了獲得圖像的特征點(diǎn)，需要對(duì)每幅圖像都計(jì)算一遍ORB特征，需要花費(fèi)的時(shí)間很長(zhǎng)。而且ORB-SLAM的點(diǎn)云建圖為非常稀疏的，無法滿足導(dǎo)航、避障等功能的要求[26]。圖1-7ORB-SLAM運(yùn)行圖2017年由RaulMur-Artal等人[27]在以O(shè)RB-SLAM為基礎(chǔ)改進(jìn)提出了ORB-SLAM2。改進(jìn)之后方法的適用性沿襲了ORB-SLAM的優(yōu)點(diǎn)，可以根據(jù)具體需要搭載單目、雙目或深度相機(jī)。整個(gè)算法分為三個(gè)線程，可以很好地配合后端


本文編號(hào)：3281004