發(fā)布時間：2017-08-20 20:02

  本文關(guān)鍵詞：基于Kinect的視覺同步定位與建圖研究

  更多相關(guān)文章： Kincet RGB-D SLAM RANSAC 圖優(yōu)化

【摘要】：智能移動機器人要求能夠在環(huán)境中自我導(dǎo)航與定位,而同步定位和建圖(SLAM)被認為是實現(xiàn)移動機器人完全自主移動的關(guān)鍵。近幾年,智能移動家庭服務(wù)機器人的研發(fā)和應(yīng)用成為研究熱點,為了實現(xiàn)諸如室內(nèi)物體識別和抓取等高級功能,這類應(yīng)用往往需要獲取環(huán)境的帶有紋理色彩特征的三維地圖。以Kinect為代表的RGB-D類攝像頭能夠同時獲取環(huán)境場景的圖像和深度數(shù)據(jù),因而被廣泛的應(yīng)用于室內(nèi)環(huán)境三維建圖。目前已有的使用RGB-D類傳感器的SLAM方案大多由圖像處理前端和位姿優(yōu)化后端組成。本文在已有方案的基礎(chǔ)上,對影響SLAM系統(tǒng)效果的關(guān)鍵性環(huán)節(jié)進行了研究與分析。在圖像處理前端部分,深度數(shù)據(jù)的系統(tǒng)誤差會極大的影響圖像運動估計的準確性,而在圖像后端部分,優(yōu)化圖中邊約束力的分配以及閉環(huán)檢測的準確性則對整個優(yōu)化效果非常重要�？紤]到RGB-D傳感器獲取的深度數(shù)據(jù)誤差隨著距離增大而變大,本文將深度信息綁定到RANSAC三維配準中,通過提高近距離點在RANSAC內(nèi)點統(tǒng)計時的權(quán)重分配,并且根據(jù)深度距離動態(tài)調(diào)整內(nèi)點判定閾值從而增加遠距離點成為內(nèi)點的概率,提高了幀間運動估計的準確性和穩(wěn)定性。對于優(yōu)化后端,本文通過度量運動估計的精度來計算邊的信息矩陣,合理分配優(yōu)化圖中位姿約束邊的權(quán)重,同時提出了錯誤閉環(huán)剔除模型,改善優(yōu)化效果。本文最后在實驗室內(nèi)進行了室內(nèi)三維建圖實驗,檢驗整個RGB-D SLAM系統(tǒng)的可行性,同時利用公開數(shù)據(jù)集進行對比試驗,驗證了動態(tài)的RANSAC三維配準,信息矩陣計算模型以及錯誤閉環(huán)剔除模型能夠提高SLAM系統(tǒng)效果。
【關(guān)鍵詞】：Kincet RGB-D SLAM RANSAC 圖優(yōu)化
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要4-5
• Abstract5-8
• 第1章 緒論8-16
• 1.1 課題研究背景與意義8-9
• 1.2 視覺SLAM主要研究內(nèi)容9-11
• 1.3 移動機器人Visual SLAM研究現(xiàn)狀11-14
• 1.3.1 基于濾波的Visual SLAM研究方法11-12
• 1.3.2 基于圖優(yōu)化的Visual SLAM研究方法12-13
• 1.3.3 Visual SLAM中傳感器的分類13-14
• 1.4 國內(nèi)外研究現(xiàn)狀分析14-15
• 1.5 論文主要研究內(nèi)容15-16
• 第2章 基于Kinect的視覺感知系統(tǒng)設(shè)計16-25
• 2.1 引言16
• 2.2 基于Kinect的視覺系統(tǒng)分析16-19
• 2.2.1 Kinect視覺平臺16-17
• 2.2.2 Kinect圖像獲取方法17-19
• 2.3 基于Kinect的視覺標定方法19-22
• 2.4 基于Kinect的深度數(shù)據(jù)處理方法22-24
• 2.5 本章小結(jié)24-25
• 第3章 圖像特征提取匹配與運動估計方法25-40
• 3.1 引言25
• 3.2 圖像特征的提取方法25-29
• 3.2.1 視覺SLAM的需求分析25-26
• 3.2.2 視覺SLAM點特征提取與描述算法分析26-28
• 3.2.3 特征提取算法簡單實驗對比分析28-29
• 3.3 圖像特征的精確匹配方法29-34
• 3.3.1 圖像特征點的匹配原理29-31
• 3.3.2 圖像特征點錯誤匹配剔除算法31-34
• 3.4 運動估計方法設(shè)計與分析34-39
• 3.4.1 圖像特征點三維點集配準方法34-36
• 3.4.2 綁定深度信息的RANSAC三維點配準算法36-37
• 3.4.3 運動估計對比實驗37-39
• 3.5 本章小結(jié)39-40
• 第4章 機器人位姿的全局優(yōu)化方法40-55
• 4.1 引言40
• 4.2 關(guān)鍵幀（Keyframes）處理40-42
• 4.3 閉環(huán)檢測（ Loop closure detection）方法分析42-45
• 4.3.1 閉環(huán)檢測實施流程42-44
• 4.3.2 錯誤閉環(huán)剔除模型44-45
• 4.4 全局位姿圖優(yōu)化（ Graph Optimization）方法45-53
• 4.4.1 RGBD SLAM圖優(yōu)化模型建立45-47
• 4.4.2 圖優(yōu)化的理論求解推導(dǎo)47-49
• 4.4.3 幀間約束信息矩陣的確定49-52
• 4.4.4 圖優(yōu)化的實現(xiàn)52-53
• 4.5 地圖創(chuàng)建53-54
• 4.6 本章小結(jié)54-55
• 第5章 系統(tǒng)實驗與分析55-63
• 5.1 引言55
• 5.2 基于Kinect的RGBD SLAM室內(nèi)實驗分析55-59
• 5.2.1 實驗平臺介紹55-56
• 5.2.2 室內(nèi)真實環(huán)境實驗分析56-59
• 5.3 基于基準數(shù)據(jù)（Benchmark Datasets）的實驗評估59-62
• 5.3.1 RGBD基準數(shù)據(jù)集與準確性評估方法59-61
• 5.3.2 不同特征提取算法SLAM效果對比61
• 5.3.3 動態(tài)RANSAC與信息矩陣模型效果檢驗61-62
• 5.4 本章小結(jié)62-63
• 結(jié)論63-65
• 參考文獻65-70
• 致謝70

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 呂一波;路邁西;;玉米圖像幾何特征的提取[J];雞西大學(xué)學(xué)報;2006年04期

2 于永彥;;狹縫圖像的相似性判別[J];探測與控制學(xué)報;2006年04期

3 郭峰;吳貴芳;楊莉;;一種基于線陣CCD的汽車底盤圖像矯正算法[J];現(xiàn)代計算機(專業(yè)版);2014年08期

4 謝從華;宋余慶;常晉義;;圖像數(shù)據(jù)庫管理系統(tǒng)的關(guān)鍵技術(shù)研究綜述[J];計算機應(yīng)用研究;2011年09期

5 陳宏;胡寧靜;;基于特征互補圖像的人臉識別仿真研究[J];計算機仿真;2012年04期

6 劉海敬;毛晚堆;劉永軍;;圖像投影在網(wǎng)上閱卷系統(tǒng)中的應(yīng)用分析[J];河北省科學(xué)院學(xué)報;2014年02期

7 劉艷;張勇德;;含弱信號點微陣列圖像的自動網(wǎng)格劃分[J];中國醫(yī)學(xué)工程;2008年03期

8 李倩影;陳鍛生;吳揚揚;;基于圖像距離匹配的人臉卡通化技術(shù)[J];微型機與應(yīng)用;2014年10期

9 劉文萍,吳立德;人臉圖像的自動識別技術(shù)[J];計算機應(yīng)用與軟件;2001年12期

10 馬新;陳松燦;;彩色視網(wǎng)膜圖像中基于主血管網(wǎng)的視盤定位[J];江南大學(xué)學(xué)報(自然科學(xué)版);2010年01期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 趙語濤;劉允才;;單幅圖像的多媒體流體視頻合成[A];第四屆和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議論文集[C];2008年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 劉碩研;面向感知的圖像場景及情感分類算法研究[D];北京交通大學(xué);2011年

2 卜起榮;基于內(nèi)容的圖像檢索與推薦技術(shù)研究[D];西北大學(xué);2015年

3 李金城;大規(guī)模圖像檢索和識別中的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)及其應(yīng)用[D];華南理工大學(xué);2013年

4 郭巖松;壓縮感知關(guān)鍵技術(shù)研究[D];天津大學(xué);2011年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 劉暢;云背景紅外天空圖像的統(tǒng)計模型與仿真[D];華中科技大學(xué);2005年

2 鄭功贊;基于分量分析的圖像內(nèi)容檢索研究[D];貴州大學(xué);2006年

3 呂興永;單張圖像去霧研究[D];復(fù)旦大學(xué);2011年

4 劉勝宇;網(wǎng)絡(luò)新聞圖像中人臉標注技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2011年

5 鐘銳;基于語義的圖像檢索系統(tǒng)基礎(chǔ)技術(shù)研究[D];重慶大學(xué);2012年

6 楊楊;無人機航拍視頻圖像實時拼接軟件系統(tǒng)的設(shè)計與開發(fā)[D];北京工業(yè)大學(xué);2013年

7 劉宇鑫;壓縮感知在圖像信息隱藏中的應(yīng)用研究[D];北方工業(yè)大學(xué);2011年

8 曾斐;壁畫圖像人為字跡自動提取方法研究[D];西南交通大學(xué);2011年

9 陳佳林;基于目標形狀的腦CT圖像特征提取[D];河北大學(xué);2008年

10 彭先霖;基于語義網(wǎng)絡(luò)和交互式過濾的動物圖像教育資源檢索方法[D];西北大學(xué);2013年

，

本文編號：708567