隨著SLAM技術(shù)在現(xiàn)實生活中的應(yīng)用日益普遍,單一傳感器存在的局限性問題也愈發(fā)明顯,目前研究發(fā)展的主要方向是對多個傳感器進行融合的技術(shù)。視覺慣性里程計（Visual-Inertial Odemetry）是一種融合了相機傳感器和IMU（Inertial Measurement Unit）測量數(shù)據(jù)的狀態(tài)估計框架,具有精度高和魯棒性好等優(yōu)點,但其僅基于點特征的視覺圖像處理方法,在快速運動、弱紋理、弱照明及光照變化明顯等場景下具有較大挑戰(zhàn)性,而線特征則在以上場景具有良好表現(xiàn),且基于線特征構(gòu)建的三維空間地圖具有較好的結(jié)構(gòu)性,可為之后的導(dǎo)航提供語義信息。綜上所述,本文研究的基于點線綜合特征的視覺慣性里程計方法具有重大意義。研究內(nèi)容包括:（1）VIO框架下的線特征方法。首先研究基于線特征的提取與匹配方法,介紹LSD線特征提取方法,提出并實驗驗證改進的線特征匹配方法。其次針對系統(tǒng)后端迭代優(yōu)化過程中出現(xiàn)的數(shù)值穩(wěn)定性問題,在不同模塊采用不同的線特征參數(shù)化方法,實現(xiàn)線特征的數(shù)據(jù)層融合,同時推導(dǎo)二者轉(zhuǎn)換公式建立聯(lián)系;最后研究利用線特征進行位姿初始化及地圖初始化的方法,為后續(xù)位姿估計提供良好初始值。（2）基于優(yōu)化... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：81 頁

【學(xué)位級別】：碩士

【部分圖文】：

像素塊示意圖

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文8表2-1區(qū)域增長算法進行上述操作后，獲得線特征支持域結(jié)果如圖2-2所示。圖2-2線段支持域Step6：對上一步形成的離散線段支持域，進行矩形估計，使其成為包含線段支持域的最小矩形，作為線段提取的候選線段。需計算矩形的中心與主方向。矩形中心的計算公式為：G()x()G()G()()G()jregionxjregionjregionyjregionjjcjjyjcj(2-4)

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文9矩形主方向與矩陣M有關(guān)。M的計算公式為：xxxyxyyymmMmm(2-5)22G()(x()c)G()(y()c),G()G()G()(x()c)(y()c)G()xyxxjregionyyjregionjregionjregionxyxyjregionjregionjjjjmmjjjjjmj(2-6)求取M特征值，取最小特征值對應(yīng)的特征向量，算其角度即為主方向。完成像素合并后，獲得矩形候選線段，如圖2-3所示：圖2-3矩形候選線段Step7：通過計算NFA評判候選矩形R中同性點數(shù)量的概率。NFA值的大小反映受檢測目標相對背景的突出程度。本文設(shè)定ε=1作為閾值。NFA計算公式如下5/2NFA(r,i)(NM)B(n(r),k(r,i),p)(2-7)其中N,M為圖像長寬的像素數(shù)。P初始值設(shè)為/B()為二項分布，計算公式為：B()1nnjjjknn,k,pppj(2-8)


本文編號：3008049