近年來,隨著計(jì)算機(jī)視覺理論地不斷完善和人工智能技術(shù)地日益成熟,移動(dòng)機(jī)器人的即時(shí)定位與地圖構(gòu)建（Simultaneous Localization and Mapping,SLAM）算法受到了學(xué)者們的普遍關(guān)注。其中基于ORB（Oriented FAST and Rotated BRIEF）的SLAM系統(tǒng)是目前移動(dòng)機(jī)器人SLAM系統(tǒng)中相對完善、易于使用的系統(tǒng)之一。本文主要針對ORB-SLAM算法中的場景圖像預(yù)處理、視覺里程計(jì)、閉環(huán)檢測及后端優(yōu)化問題展開深入分析和研究,以移動(dòng)機(jī)器人為應(yīng)用背景,提出了一種改進(jìn)的基于ORB的移動(dòng)機(jī)器人SLAM算法。論文主要研究工作如下:（1）針對場景圖像中背景干擾和無效信息問題,釆用一種感興趣區(qū)域檢測和深度信息融合的場景圖像預(yù)處理方法。該方法基于多層卷積特征聚合模型（Aggregating Multi-level Convolutional Features,Amulet）的顯著性算法檢測圖像感興趣區(qū)域,用于剔除圖像中大量的背景干擾和無效信息,達(dá)到降低系統(tǒng)運(yùn)算量,提高精度的目的。（2）對視覺里程計(jì)中ORB算法的特征檢測和特征匹配問題,進(jìn)行了改進(jìn)和優(yōu)化。一是針對O... 

【文章來源】：天津工業(yè)大學(xué)天津市

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【部分圖文】：

場景圖像RGB與深度信息

第二章環(huán)境信息采集與處理15輸出值預(yù)測的權(quán)重。b為偏差，為校正線性單位（relu），rW為遞推權(quán)重。邊框整合：顧名思義，就是對邊界信息展開整合，將每一層匹配的特征圖與11卷積，再與以前計(jì)算的明顯圖相加，獲得融合更多邊界的細(xì)節(jié)明顯圖，并將這些顯著性態(tài)射與之前的第一層（FSP）輸出的顯著性態(tài)射相結(jié)合，公式如2-4所示：*()lllbbp=WB+P(2-4)其中bW包括求精參數(shù)，我們使用該方法，融合多重顯著性預(yù)測（FSP）作為最終的輸出顯著性圖。下面我們用Kinect2.0傳感器上的RGB相機(jī)和深度相機(jī)同時(shí)采集一張圖片的RGB圖像以及深度圖像，之后將采集到的信息用Ubuntu14.04系統(tǒng)中的開源包libfreenet2和ROS包iai_Kinect2對其進(jìn)行校準(zhǔn)。圖2-4為對比結(jié)果，可以看出兩張圖片的像素是一一對應(yīng)的。(a)圖中每個(gè)像素點(diǎn)的深度信息其實(shí)就是每個(gè)像素點(diǎn)對應(yīng)的像素值。與（b）中的深度值一一對應(yīng)。(a)RGB圖像（b）提取圖像深度信息圖2-4場景圖像RGB與深度信息Figure2-4RGBanddepthinformationofsceneimage如圖2-5，我們利用上述方法，（a）為顯著性檢測結(jié)果，（b）為顯著性區(qū)域檢測結(jié)果，不難看出，該算法可以很好的提取出圖片中顯著性的區(qū)域。(a)顯著性檢測圖(b)提取的感興趣區(qū)域圖2-5提取的感興趣區(qū)域效果圖Figure2-5effectmapoftheregionofinterestextracted

第四章改進(jìn)ORB算法的GPU加速31第四章改進(jìn)ORB算法的GPU加速GPU加速，實(shí)質(zhì)上是一種基于GPU圖形處理器能夠加快計(jì)算的能力，它的基本思路是對計(jì)算進(jìn)行并行處理[35]。并行計(jì)算能夠在多個(gè)計(jì)算核心上同時(shí)計(jì)算同一個(gè)任務(wù)，也即是任務(wù)存在并行處理。GPU上的并行運(yùn)算不僅僅只是對任務(wù)的并行處理，而且還發(fā)揮各個(gè)計(jì)算核心的性能，通過程序員對指令體系結(jié)構(gòu)的特殊優(yōu)化，從而達(dá)到高性能計(jì)算。圖4-1GPU的并行運(yùn)算示例圖Fig.4-1exampleofparalleloperationofGPU如上圖所示，在并行運(yùn)算里，一個(gè)大主任務(wù)，會(huì)分成許多個(gè)小的子任務(wù)，然后分別被傳輸?shù)礁鱾�(gè)計(jì)算核心ALU當(dāng)中去，進(jìn)行同時(shí)計(jì)算處理，從而實(shí)現(xiàn)大幅度的減少了任務(wù)的完成時(shí)間[36]。需要特別注意的是，在對任務(wù)進(jìn)行并行處理時(shí)，需要考慮任務(wù)的可分性以及邏輯性，也即該任務(wù)是否可以看作多個(gè)子任務(wù)的合成，需要通過怎樣的并行方式來計(jì)算。

【參考文獻(xiàn)】：
期刊論文
[1]基于圖模型的視覺SLAM系統(tǒng)誤差動(dòng)態(tài)補(bǔ)償[J]. 張一,姜挺,江剛武,譚振宇,袁銘陽.  測繪科學(xué)技術(shù)學(xué)報(bào). 2019(04)
[2]工業(yè)機(jī)器人的研發(fā)及應(yīng)用綜述[J]. 孟明輝,周傳德,陳禮彬,馮淼,苗純正.  上海交通大學(xué)學(xué)報(bào). 2016(S1)
[3]深度卷積神經(jīng)網(wǎng)絡(luò)的顯著性檢測[J]. 李岳云,許悅雷,馬時(shí)平,史鶴歡.  中國圖象圖形學(xué)報(bào). 2016(01)
[4]一種基于歷史模型集的改進(jìn)閉環(huán)檢測算法[J]. 李永鋒,張國良,王蜂,湯文俊,姚二亮.  機(jī)器人. 2015(06)
[5]面向作業(yè)與人工智能的仿人機(jī)器人研究進(jìn)展[J]. 吳偉國.  哈爾濱工業(yè)大學(xué)學(xué)報(bào). 2015(07)
[6]Improved locality-sensitive hashing method for the approximate nearest neighbor problem[J]. 陸穎華,馬廷淮,鐘水明,曹杰,王新,Abdullah Al-Dhelaane.  Chinese Physics B. 2014(08)
[7]移動(dòng)機(jī)器人閉環(huán)檢測的視覺字典樹金字塔TF-IDF得分匹配方法[J]. 李博,楊丹,鄧林.  自動(dòng)化學(xué)報(bào). 2011(06)

博士論文
[1]基于RGB-D相機(jī)的運(yùn)動(dòng)平臺(tái)實(shí)時(shí)導(dǎo)航定位模型與方法研究[D]. 趙強(qiáng).中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所) 2017

碩士論文
[1]基于特征和直接法結(jié)合的魯棒視覺SLAM方法[D]. 鄭仁杰.浙江大學(xué) 2019
[2]智慧工廠中多移動(dòng)機(jī)器人路徑規(guī)劃研究[D]. 梁爽.上海交通大學(xué) 2017
[3]雙足機(jī)器人穩(wěn)定步態(tài)規(guī)劃及多機(jī)器人室內(nèi)自定位方法研究[D]. 余天奇.哈爾濱工業(yè)大學(xué) 2016
[4]雙足機(jī)器人步態(tài)規(guī)劃與控制研究[D]. 伏冬孝.華北電力大學(xué) 2014



本文編號：3227574