隨著近些年人工智能技術(shù)的發(fā)展,在各種復(fù)雜的工業(yè)應(yīng)用中,機(jī)器人從原先的協(xié)助人類進(jìn)行一些簡單工作,越來越多地開始轉(zhuǎn)向自主完成某些復(fù)雜任務(wù)。為了賦予工業(yè)機(jī)器人更強(qiáng)自主性和智能性,解決其在室內(nèi)復(fù)雜未知場景中特別是低光照場景下的定位與建圖問題,本文通過RGB-D相機(jī)將視覺SLAM（Simultaneous Localization and Mapping,同時(shí)定位與地圖構(gòu)建）技術(shù)應(yīng)用于室內(nèi)場景的三維重建中。提出了改進(jìn)的Gamma校正算法,以優(yōu)化低光場景下基于特征點(diǎn)法的位姿估計(jì)效果,并將SLAM算法流程拆解成位姿估計(jì)、后端優(yōu)化以及回環(huán)檢測三大部分進(jìn)行改進(jìn)和優(yōu)化。經(jīng)驗(yàn)證,本文所提出的算法在低光場景下表現(xiàn)優(yōu)越,并對于室內(nèi)場景實(shí)現(xiàn)了很好的三維重建效果。其具體內(nèi)容如下:首先,根據(jù)課題所要研究的內(nèi)容,選擇了在室內(nèi)場景下重建效率更高的RGB-D相機(jī)進(jìn)行研究,并通過參數(shù)對比最終選用了微軟的Kinect V2相機(jī)作為主要實(shí)驗(yàn)設(shè)備。為了提高相機(jī)獲取圖像信息的精度,基于張正友的棋盤格標(biāo)定法,對其內(nèi)參和畸變系數(shù)以及彩色和深度相機(jī)的配準(zhǔn)進(jìn)行了重新標(biāo)定。接著,設(shè)計(jì)并改進(jìn)了基于RGB-D SLAM的重建方案:先是基于特征點(diǎn)法... 

【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)】：73 頁

【學(xué)位級別】：碩士

【部分圖文】：

稀疏建圖和

三維

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文-3-三維視圖、立體倉庫內(nèi)部的三維視圖等，這些三維視圖的輸入對于其后續(xù)的檢修、控制工作等都會帶來很大的幫助。圖1-3動車底部三維重建場景特別是近年來隨著深度學(xué)習(xí)技術(shù)的發(fā)展，像素級的三維重建地圖可以用來更高效地獲取場景信息，從而分割并識別出包含一定場景信息的語義地圖[7-10]，為結(jié)合語義的場景理解和分析提供了大量的數(shù)據(jù)。對于采集到的三維數(shù)據(jù)信息，還可以借助目前發(fā)達(dá)的通訊技術(shù)，實(shí)時(shí)傳遞到移動端，方便操作人員高效地進(jìn)行檢查和控制，這也是未來室內(nèi)三維地圖重建技術(shù)的一個(gè)應(yīng)用方向�；谝曈X的SLAM（SimultaneousLocalizationandMapping，即時(shí)定位與地圖構(gòu)建）技術(shù)可以很好地解決上述問題，并且相對于基于激光雷達(dá)的SLAM技術(shù)，視覺SLAM的研究具有成本低、靈活性高等優(yōu)點(diǎn)，所以在小型化、輕量化設(shè)備上被越來越廣泛地應(yīng)用，這也為其在室內(nèi)各個(gè)場景的研究和應(yīng)用提供了方便。在運(yùn)用視覺SLAM技術(shù)進(jìn)行室內(nèi)的工業(yè)檢修時(shí)，常常會遇到一些光線較差的場景，比如對動車底部的檢修以及對大型發(fā)動機(jī)機(jī)艙內(nèi)部的檢修場景等。由于相機(jī)成像是通過感知環(huán)境中的光線進(jìn)行曝光得到的，當(dāng)環(huán)境過暗時(shí)，整個(gè)曝光過程持續(xù)時(shí)間較長，且拍攝的圖片質(zhì)量不佳，這就給后面基于圖像特征進(jìn)行的定位和建圖工作帶來很大困難[11]。本課題的研究意義就在于，將RGB-D相機(jī)的SLAM技術(shù)應(yīng)用于室內(nèi)場景的三維重建中，并使其能夠適應(yīng)一定的低光照環(huán)境，以期獲得可用于后期避障導(dǎo)航、故障檢修、語義學(xué)習(xí)等應(yīng)用領(lǐng)域所需要的精密三維地圖。1.2國內(nèi)外研究現(xiàn)狀及分析1.2.1視覺SLAM稠密建圖研究現(xiàn)狀基于視覺SLAM的稠密建圖主要是依靠相機(jī)作為唯一的外部傳感器進(jìn)行


本文編號：3515154