智能車定位技術是智能車研究中的關鍵技術之一,而目前常用的高精度GNSS方案在信號遮擋區(qū)域無法使用,因而基于傳感器信息的建圖與定位方法近年來受到關注,其中基于視覺的建圖與定位方案信息豐富、成本較低,有良好的前景。但是現(xiàn)有的視覺同步建圖與定位方法（vSLAM）較少針對車輛平臺,估計車輛局部位姿時精度較低;且難以處理較大范圍的視覺建圖;同時多數(shù)方法缺少完整的建圖與定位框架。因此本文提出了一種基于關鍵幀viSLAM方法的智能車建圖與定位方法,融合了視覺、慣導、輪速計等傳感器信息,采用稀疏視覺特征點作為局部與地圖特征,利用稀疏光流法獲得特征的匹配信息,在滑動窗口聯(lián)合優(yōu)化框架下估計系統(tǒng)狀態(tài),同時估計車輛平臺位姿與環(huán)境視覺特征地圖,并在建圖中額外利用GNSS定位信息,進行在衛(wèi)星信號遮擋區(qū)與未遮擋區(qū)的統(tǒng)一、高精度地圖建立,最后利用建立好的視覺地圖進行定位,融合全局匹配的定位信息與局部位姿估計的信息獲得全局的車輛平臺定位信息。本文主要解決的問題包括:針對現(xiàn)有方法車輛平臺局部位姿估計精度較低的問題,本文提出了融合車輛輪速計的viSLAM方法,并設計了自適應網(wǎng)格的視覺特征點選擇方法,提高了車輛相對位姿估計的... 

【文章來源】：上海交通大學上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：89 頁

【學位級別】：碩士

【部分圖文】：

視覺SLAM典型框架

上海交通大學碩士學位論文-15-圖2-1系統(tǒng)模塊Fig.2-1Themodulesofsystem定位信息是足夠準確的，此時要解決的就是利用單目相機來建立三維特征地圖的問題。要解決這一問題，首先要做的就是二維圖像上視覺特征的檢測與匹配，在分析了特征法與直接法的特點后，本文選擇一種混合的方式來檢測與匹配特征，特征檢測主要依靠FAST角點檢測實現(xiàn)，而匹配是選擇采用KLT這一稀疏光流方法，這樣組合的優(yōu)點在于魯棒性、實時性較好。完成了二維圖像上的特征檢測與匹配后，理論上講可以通過GNSS提供的定位信息直接用三角測量的方式得到特征的三維位置，然而由于視角變換與特征匹配精度等原因，直接三角化得到的位置信息是不夠準確的。因此，在三角化之后，本文設計了在滑動窗口中的重投影誤差最小化方法來估計特征的三維位置，特征參數(shù)化形式選擇常見的逆深度形式。在得到優(yōu)化后的特征位置后，選擇基于關鍵幀的地圖形式，提取Brief描述子作為特征描述子，這樣的形式易于定位時使用，同時兼顧了實時性與精度。以上就是利用高精度GNSS定位信息建立地圖時的框架。而在衛(wèi)星信號遮擋區(qū)，這一信息就完全不可靠了，此時需要同時估計定位與地圖，為了得到精度較高的定位信息，本文設計了里程計輔助的關鍵幀優(yōu)化viSLAM方法，在統(tǒng)一的優(yōu)化框架中，同時估計車輛自身的位姿、地圖中特征點的位置以及其他一些狀態(tài)量，其中視覺信息的處理方式也是利用混合法進行特征檢測與匹配，而其他傳感器信息處理方式與聯(lián)合優(yōu)化框架將在第三章詳細介紹，在此不再贅述。至此，得到了衛(wèi)星信號遮擋區(qū)的建圖方法，但viSLAM的估計是有誤差的，為了得到更高精度的地圖，本文利用遮擋區(qū)外的高精度GNSS信息作為閉環(huán)約束，

上海交通大學碩士學位論文-16-來以位姿圖的形式來優(yōu)化地圖。定位過程：定位過程相比于建圖過程而言較為簡潔，考慮到高精度的GNSS并不是相當常見的設備，本文的系統(tǒng)中，只使用單目相機、慣導、里程計來進行全局定位。首先是初始化過程，也就是進行全地圖的搜索來判斷當前的位置，這里采用詞袋模型閉環(huán)檢測、視覺特征點檢測與匹配、PnP計算位姿來實現(xiàn)，得到的初始化的位置后，整個系統(tǒng)就可以進入正常運行狀態(tài)。單純依靠視覺的全局定位信息定位頻率較低、精度較低、魯棒性較差，因此需要里程計輔助的viSLAM方法提供局部位姿信息，與全局位姿進行融合，為了系統(tǒng)的一致性，本文實現(xiàn)了基于緊耦合優(yōu)化的融合定位方法，可以輸出較高精度、高頻率的全局定位信息。根據(jù)以上的算法框架設計，總體流程如下圖所示：圖2-2整體系統(tǒng)框圖Fig.2-2Thesystemdiagram2.3傳感器系統(tǒng)標定傳感器的標定對于系統(tǒng)精度有相當大的影響，在本文使用的傳感器體系中，視覺傳感器與慣導的標定是最重要的部分，這是由于在本文的算法中，這兩者耦合最緊密。至于里程計與GNSS，最主要的標定參數(shù)是這兩者相對于視覺慣性傳感器坐標系的外參，本文利用這兩個傳感器信息的方式對外參精度的需求不高，使用方式在下面的章節(jié)中會詳細介紹，另外由于工程實際可行性上的困難，在本文中選擇使用基于CAD圖的測量方法來得到里程計與GNSS的外參信息。因此主要介紹的標定分為兩個部分：單目相機內(nèi)參模型，以及單目相機與慣導的外參標

【參考文獻】：
碩士論文
[1]基于語義分割的智能車全局定位方法研究[D]. 胡兵.上海交通大學 2018



本文編號：3498933