同時定位與地圖構(gòu)建（Simultaneous Localization and Mapping,SLAM）技術(shù)是利用傳感器進行自動定位并實時構(gòu)建地圖的技術(shù)。傳統(tǒng)SLAM算法多用于PC端。僅基于視覺的SLAM算法受環(huán)境影響較為嚴(yán)重,基于單目相機的SLAM算法存在旋轉(zhuǎn)無法初始化且尺度無法確定等問題。而相機與IMU（Inertial Measurement Unit）融合的方式解決了單目相機存在的這些問題。為了讓算法更加輕便,本文在目前單目相機與IMU融合最好的VINS-Mono算法的基礎(chǔ)上進行改進,將改進后的VINS系統(tǒng)移植到移動端。首先在初始化階段,Harris角點提取較為耗時,如果應(yīng)用到移動端,移動端計算量有限,所以首先將提取Harris角點改為提取Oriented FAST特征點,并利用金字塔對圖像進行分層,利用LK光流算法進行特征點追蹤,得到初始位姿,并利用視覺部分對IMU進行初始化,得到初始速度、IMU確定性誤差、以及重力加速度。對于關(guān)鍵幀提取方面,原算法是基于視差和特征點數(shù)量來決定是否提取關(guān)鍵幀,這種方法在移動端上產(chǎn)生了嚴(yán)重的關(guān)鍵幀冗余現(xiàn)象,增加了待優(yōu)化幀數(shù),增加了不必要的計算... 

【文章來源】：哈爾濱理工大學(xué)黑龍江省

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究的背景和意義
    1.2 國內(nèi)外的研究現(xiàn)狀與展望
    1.3 課題的來源及研究內(nèi)容
        1.3.1 課題來源
        1.3.2 課題的主要研究內(nèi)容
第2章 相關(guān)技術(shù)概述
    2.1 坐標(biāo)系定義及轉(zhuǎn)換關(guān)系
        2.1.1 坐標(biāo)系定義
        2.1.2 三維空間中剛體運動的描述
        2.1.3 李群與李代數(shù)
    2.2 相機模型
    2.3 IMU相關(guān)
        2.3.1 IMU數(shù)學(xué)模型
        2.3.2 IMU確定性誤差
    2.4 圖像相關(guān)
        2.4.1 Harris特征點
        2.4.2 稀疏光流追蹤算法
    2.5 非線性優(yōu)化
        2.5.1 高斯牛頓算法
        2.5.2 列文伯格馬夸爾特算法
    2.6 本章小結(jié)
第3章 移動端單目相機與IMU聯(lián)合定位初始化
    3.1 視覺初始化
        3.1.1 特征點與關(guān)鍵幀提取
        3.1.2 視覺位姿恢復(fù)
    3.2 聯(lián)合初始化
        3.2.1 IMU預(yù)積分
        3.2.2 狀態(tài)量計算
    3.3 實驗分析
    3.4 本章小結(jié)
第4章 移動端單目相機與IMU的后端優(yōu)化與建圖
    4.1 后端優(yōu)化
        4.1.1 基于滑動窗口的非線性優(yōu)化
        4.1.2 舒爾補與邊緣化
    4.2 回環(huán)檢測
    4.3 全局位姿圖優(yōu)化
    4.4 實驗結(jié)果分析
    4.5 本章小結(jié)
第5章 實驗結(jié)果分析
    5.1 實驗環(huán)境
    5.2 實驗流程
    5.3 本章小結(jié)
結(jié)論
參考文獻
攻讀碩士學(xué)位期間所發(fā)表的學(xué)術(shù)論文
致謝



本文編號：3171517