本文選題：同時定位與地圖構(gòu)建 + 運動恢復(fù)結(jié)構(gòu)�。� 參考：《浙江大學(xué)》2017年博士論文

【摘要】：近年來,人工智能以前所未有的速度迅速發(fā)展,并廣泛應(yīng)用于各行各業(yè)。在移動機器人、增強現(xiàn)實等應(yīng)用中,智能設(shè)備需要感知自身在真實物理空間中的方位,以及場景的三維結(jié)構(gòu)�；谝曨l序列的跟蹤定位與場景三維感知,僅需普通攝像頭即可實現(xiàn)上述功能,是未來移動的智能設(shè)備上不可或缺的一項關(guān)鍵技術(shù)。這一技術(shù)根據(jù)實時性需求可以分為離線的運動恢復(fù)結(jié)構(gòu)(Structure from Motion,簡稱SFM),和實時的基于視覺的同時定位與地圖構(gòu)建(Visual Simultaneous Localization and Mapping,簡稱V-SLAM)。隨著應(yīng)用場景愈發(fā)復(fù)雜多樣,現(xiàn)有的SFM和V-SLAM方法面臨著魯棒性和效率這兩大挑戰(zhàn)。一方面,基于視覺的SFM和V-SLAM方法在復(fù)雜環(huán)境中容易失效。比如,現(xiàn)有方法難以魯棒地處理大尺度場景,或是強烈旋轉(zhuǎn)、快速運動等運動方式,算法穩(wěn)定性也嚴重依賴于圖像紋理特征的豐富程度。另一方面,由于圖像視頻在空間和時序上都高度冗余,現(xiàn)有方法需要耗費大量的計算資源,甚至需要借助GPU的并行計算能力,難以應(yīng)用于計算性能較低的移動設(shè)備。隨著應(yīng)用場景尺度的不斷增大,現(xiàn)有方法又存在內(nèi)存和效率的瓶頸。針對上述問題,本文深入研究了復(fù)雜環(huán)境下的SFM和V-SLAM,提出了一系列SFM/V-SLAM方法和系統(tǒng),不僅比之前的方法有更高的魯棒性和效率,而且能夠很好地滿足實際應(yīng)用需求。具體來說,本文主要貢獻如下:●提出了一套新的面向大尺度場景的運動恢復(fù)結(jié)構(gòu)框架,采用基于非連續(xù)幀特征匹配的回路檢測和閉合,并結(jié)合基于分段的集束調(diào)整,可以在有限內(nèi)存下進行大尺度場景的高效全局優(yōu)化、消除誤差累積,實現(xiàn)了大尺度場景多視頻序列的高效、高精度三維注冊和單目視頻序列的實時同時定位與地圖構(gòu)建�！裉岢隽艘环N基于關(guān)鍵幀的魯棒高效的單目SLAM方法,采用基于多種單應(yīng)性的特征跟蹤方法和高效的局部地圖擴展與優(yōu)化策略,有效解決了基于關(guān)鍵幀的單目SLAM方法在強旋轉(zhuǎn)和快速運動下的魯棒跟蹤難題,且計算效率明顯高于ORB-SLAM和LSD-SLAM等方法,并巧妙地通過視覺方法來模擬IMU數(shù)據(jù)進行融合優(yōu)化,進一步提升了運動模糊和特征缺失情況下的魯棒性。●提出了一種基于RGB-D視頻的高效精確的SLAM方法,將低分辨率稠密RGB-D圖像對齊和基于稀疏特征點的跟蹤結(jié)合起來,并采用了一個新穎的增量式集束調(diào)整,解決了現(xiàn)有RGB-D SLAM方法計算效率低和精度不夠高的問題,而且只用CPU就可以達到強實時的處理速度。
[Abstract]:In recent years, artificial intelligence with unprecedented speed of rapid development, and widely used in various industries. In mobile robots, augmented reality and other applications, intelligent devices need to perceive their own orientation in the real physical space, as well as the three-dimensional structure of the scene. Tracking and localization based on video sequence and 3D perception of scene can only be realized by ordinary camera, which is an indispensable key technology in mobile intelligent devices in the future. According to the real-time requirement, this technique can be divided into off-line motion from movement, and real-time visual Simultaneous Localization and Mapping, based on simultaneous location and map construction. As the application scenarios become more and more complex, the existing SFM and V-SLAM methods face two major challenges: robustness and efficiency. On the one hand, SFM and V-SLAM methods based on vision are easy to fail in complex environments. For example the existing methods are difficult to deal with large-scale scenes or strong rotation fast motion and so on. The stability of the algorithm also depends heavily on the richness of image texture features. On the other hand, due to the high redundancy of image and video in space and time series, the existing methods need to consume a lot of computing resources, and even need the parallel computing ability of GPU, so it is difficult to apply to mobile devices with low computing performance. With the increasing scale of application scene, the existing methods have the bottleneck of memory and efficiency. Aiming at the above problems, this paper deeply studies the SFM and V-SLAM in complex environment, and proposes a series of SFM/V-SLAM methods and systems, which are not only more robust and efficient than the previous methods, but also can meet the practical application requirements. Specifically, the main contributions of this paper are as follows: a new framework of motion recovery architecture for large-scale scene is proposed, which adopts loop detection and closure based on discontinuous frame feature matching, and combines with segmented clustering adjustment. High efficient global optimization of large scale scene can be carried out in limited memory, and error accumulation can be eliminated, and the high efficiency of multi video sequence in large scale scene can be realized. High-precision 3D registration and real-time simultaneous location and map construction of monocular video sequences. A robust and efficient Monocular SLAM method based on key-frame is proposed. Based on multiple homochronological feature tracking methods and efficient local map expansion and optimization strategies, the robust tracking problem of monocular SLAM method based on key frames under strong rotation and fast motion is effectively solved. The computational efficiency is obviously higher than that of ORB-SLAM and LSD-SLAM, and the fusion optimization of IMU data is simulated by visual method. Furthermore, the robustness of motion blur and feature absence is improved. An efficient and accurate SLAM method based on RGB-D video is proposed, which combines low resolution dense RGB-D image alignment with sparse feature point tracking. A novel incremental cluster adjustment is adopted to solve the problems of low computational efficiency and low precision of the existing RGB-D SLAM method, and the strong real-time processing speed can be achieved by using only CPU.
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 ;Line-feature-based SLAM Algorithm[J];自動化學(xué)報;2006年01期

2 郭劍輝;趙春霞;陸建峰;康亮;;Rao-Blackwellised粒子濾波SLAM的一致性研究[J];系統(tǒng)仿真學(xué)報;2008年23期

3 郭劍輝;趙春霞;石杏喜;;一種改進的聯(lián)合相容SLAM數(shù)據(jù)關(guān)聯(lián)方法[J];儀器儀表學(xué)報;2008年11期

4 郭劍輝;趙春霞;康亮;;SLAM問題中特征相關(guān)性研究[J];系統(tǒng)仿真學(xué)報;2008年06期

5 Mansour Moniri;Claude C.Chibelushi;;A Sensor-based SLAM Algorithm for Camera Tracking in Virtual Studio[J];International Journal of Automation & Computing;2008年02期

6 季秀才;鄭志強;張輝;;SLAM問題中機器人定位誤差分析與控制[J];自動化學(xué)報;2008年03期

7 郭劍輝;趙春霞;;一種新的粒子濾波SLAM算法[J];計算機研究與發(fā)展;2008年05期

8 周武;趙春霞;;一種改進的邊緣粒子濾波SLAM方法[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2008年S1期

9 丁帥華;陳雄;韓建達;;基于局部子圖匹配的SLAM方法[J];機器人;2009年04期

10 陳家乾;何衍;蔣靜坪;;添加約束的EKF-SLAM算法[J];科技通報;2009年04期

相關(guān)會議論文 前10條

1 ;An SLAM algorithm based on improved UKF[A];第24屆中國控制與決策會議論文集[C];2012年

2 Adizul Ahmad;Shoudong Huang;Jianguo Jack Wang;Gamini Dissanayake;;A New State Vector for Range-Only SLAM[A];Proceedings of the 2011 Chinese Control and Decision Conference（CCDC）[C];2011年

3 ;A Hybrid SLAM method for service robots in Indoor Environment[A];中國自動化學(xué)會控制理論專業(yè)委員會B卷[C];2011年

4 Bo He;Tao Zhang;Guijie Liu;;A New SLAM Algorithm Particle Filter-based for Autonomous Underwater Vehicle[A];proceedings of 2010 3rd International Conference on Computer and Electrical Engineering (ICCEE 2010 no.1)[C];2012年

5 ;AUV SLAM and Closed Loop Research in Large Scale Environment[A];2011年全國通信安全學(xué)術(shù)會議論文集[C];2011年

6 溫豐;柴曉杰;朱智平;董小明;鄒偉;原魁;;基于新型人工路標系統(tǒng)的視覺SLAM算法研究[A];第二十九屆中國控制會議論文集[C];2010年

7 王宇韜;方勇純;;魯棒單目視覺SLAM系統(tǒng)研究[A];中國自動化學(xué)會控制理論專業(yè)委員會C卷[C];2011年

8 李海洋;李洪波;林穎;劉賀平;楊東方;;基于Kinect的SLAM方法[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第五分冊）[C];2013年

9 Jiantong Cheng;Jonghyuk Kim;Zhenyu Jiang;Weihua Zhang;;Tightly Coupled SLAM/GNSS for Land Vehicle Navigation[A];第五屆中國衛(wèi)星導(dǎo)航學(xué)術(shù)年會論文集-S9 組合導(dǎo)航與導(dǎo)航新方法[C];2014年

10 ;Simultaneous Localization and Map Building Using Constrained State Estimate Algorithm[A];第二十七屆中國控制會議論文集[C];2008年

相關(guān)重要報紙文章 前1條

1 肖征榮;好軟件少不了它們[N];電腦報;2003年

相關(guān)博士學(xué)位論文 前10條

1 趙一路;人機交互環(huán)境下的主動SLAM及相關(guān)問題研究[D];復(fù)旦大學(xué);2013年

2 康軼非;不依賴GPS定位理論及方法研究[D];北京交通大學(xué);2015年

3 苑全德;基于視覺的多機器人協(xié)作SLAM研究[D];哈爾濱工業(yè)大學(xué);2016年

4 程見童;基于壓縮非線性濾波與圖論的同時定位與構(gòu)圖方法研究[D];國防科學(xué)技術(shù)大學(xué);2015年

5 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

6 王道斌;基于天空偏振光的SLAM方法的研究[D];中國科學(xué)技術(shù)大學(xué);2014年

7 林睿;基于圖像特征點的移動機器人立體視覺SLAM研究[D];哈爾濱工業(yè)大學(xué);2011年

8 游弋;SLE相關(guān)候選基因FCRL3，SLAM的SNP分析及其功能研究[D];第三軍醫(yī)大學(xué);2008年

9 吳葉斌;基于全景視覺的移動機器人SLAM方法研究[D];哈爾濱工程大學(xué);2011年

10 陳晨;基于Sigma點濾波的移動機器人同時定位與地圖創(chuàng)建算法的研究[D];北京交通大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 熊斯睿;基于立體全景視覺的移動機器人3D SLAM研究[D];哈爾濱工業(yè)大學(xué);2015年

2 王淮卿;基于互聯(lián)網(wǎng)與SLAM的移動機器人系統(tǒng)研究[D];哈爾濱工業(yè)大學(xué);2015年

3 李貴亞;基于立體視覺的機器人SLAM算法研究[D];哈爾濱工業(yè)大學(xué);2015年

4 薛永勝;變電站巡檢機器人SLAM算法及其應(yīng)用研究[D];西南科技大學(xué);2015年

5 趙亮;水下機器人視覺SLAM方法中的圖像特征點提取技術(shù)研究[D];電子科技大學(xué);2014年

6 胡衡;基于單目視覺的SLAM方法研究[D];新疆大學(xué);2015年

7 黃志明;動態(tài)稀疏環(huán)境下移動機器人SLAM問題研究[D];北京化工大學(xué);2015年

8 趙新哲;基于改進粒子濾波的分布式SLAM算法研究[D];北京工業(yè)大學(xué);2015年

9 李洪臣;單目視覺移動機器人SLAM方法建模與仿真分析[D];電子科技大學(xué);2014年

10 丁潔瓊;基于RGB-D的SLAM算法研究[D];西安電子科技大學(xué);2014年

，

本文編號：1860446