隨著圖像處理技術(shù)的進(jìn)步,有關(guān)于同時(shí)定位與地圖構(gòu)建（SLAM）的研究已逐漸成為計(jì)算機(jī)視覺(jué)領(lǐng)域的熱門(mén)課題。如今移動(dòng)端設(shè)備的性能不斷提升,使基于移動(dòng)端視覺(jué)傳感器的SLAM研究成為可能。移動(dòng)端設(shè)備靈活小巧,功能強(qiáng)大,且易于開(kāi)發(fā)。使用移動(dòng)端設(shè)備進(jìn)行SLAM的應(yīng)用開(kāi)發(fā)有很高的實(shí)用意義。本文主要進(jìn)行了移動(dòng)端常用的單目相機(jī)SLAM方法的研究以及基于iOS的SLAM方法測(cè)試平臺(tái)開(kāi)發(fā)。在算法的研究方面,在經(jīng)典視覺(jué)SLAM方法的基礎(chǔ)上,著重研究了基于特征點(diǎn)法的視覺(jué)SLAM方法。在特征提取時(shí),使用ORB算法,該算法使用改進(jìn)的FAST算法提取關(guān)鍵點(diǎn),改進(jìn)的BRIFT算法獲取二進(jìn)制描述子,加快了特征的提取速度,降低了存儲(chǔ)特征的內(nèi)存要求。在特征匹配時(shí),改進(jìn)了快速近似最近鄰（FLANN）的特征匹配算法,該算法使用了改進(jìn)的K-means算法進(jìn)行特征的聚類(lèi),并構(gòu)建多顆分層聚類(lèi)樹(shù)進(jìn)行特征的搜索,提高了特征匹配的正確率和效率。通過(guò)對(duì)比實(shí)驗(yàn),驗(yàn)證了改進(jìn)的FLANN算法具有很好的不變性和魯棒性。在進(jìn)行誤匹配篩查時(shí),改進(jìn)了隨機(jī)采樣一致性（RANSAC）的誤匹配篩查算法,該算法改進(jìn)了經(jīng)典RANSAC算法存在的效率低,易退化,精度差的... 

【文章來(lái)源】：北京工業(yè)大學(xué)北京市211工程院校

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

不同相機(jī)傳感器的特點(diǎn)Figure1-1CharacteristicsofDifferentCameraSensors

圖 2-1 經(jīng)典視覺(jué) SLAM 流程Figure 2-1 Process of classic visual SLAM經(jīng)典視覺(jué) SLAM 方法的流程主要分為以下幾步:(1) 通過(guò)讀取傳感器的數(shù)據(jù)，獲取相機(jī)圖像信息，進(jìn)行數(shù)據(jù)的預(yù)處理。(2) 視覺(jué)前端的任務(wù)是估算相鄰圖像間相機(jī)的運(yùn)動(dòng)，以及估計(jì)局部的地(3) 回環(huán)檢測(cè)通過(guò)判斷圖像間的相似性，判斷相機(jī)是否到達(dá)過(guò)先前的位(4) 后端優(yōu)化包括對(duì)前端相機(jī)位姿，以及回環(huán)檢測(cè)的優(yōu)化，并得到全局(5) 建圖時(shí)，根據(jù)不同的需求建立不同類(lèi)型的地圖。經(jīng)典的視覺(jué) SLAM 框架所包含的算法已經(jīng)基本定型，依靠這些算法，經(jīng)典視覺(jué) SLAM 系統(tǒng)，使之在正常的工作環(huán)境里實(shí)時(shí)進(jìn)行定位與建圖如果在動(dòng)態(tài)的，光照變化明顯的，或有特殊要求的場(chǎng)景下工作，經(jīng)典的M 系統(tǒng)的效果則會(huì)大打折扣。單目相機(jī)模型

圖 2-2 單目相機(jī)模型Figure 2-2 Model of monocular camera(1) 從圖像像素坐標(biāo)系轉(zhuǎn)換為圖像物理平面坐標(biāo)系，可能存在兩種情況是兩個(gè)都是直角坐標(biāo)系，如圖 2-3 a)所示。a) 兩個(gè)直角坐標(biāo)系 b) 直角與非直角坐標(biāo)系圖 2-3 圖像像素坐標(biāo)系轉(zhuǎn)換為圖像物理平面坐標(biāo)系igure 2-3 Image pixel coordinate system converted to image physical plane coordinate sys在圖像像素坐標(biāo)系 O0-uv 中，使用坐標(biāo)(u, v)表示當(dāng)前點(diǎn)的灰度值。在圖平面坐標(biāo)系 O-xy 中，規(guī)定點(diǎn) O 在圖像像素坐標(biāo)系中的坐標(biāo)為(u0, v0)，像 x 軸的實(shí)際距離為 dx，沿 y 軸的實(shí)際距離為 dy，則有對(duì)應(yīng)關(guān)系：

【參考文獻(xiàn)】：
期刊論文
[1]視覺(jué)SLAM技術(shù)的進(jìn)展與應(yīng)用[J]. 邸凱昌,萬(wàn)文輝,趙紅穎,劉召芹,王潤(rùn)之,張飛舟.  測(cè)繪學(xué)報(bào). 2018(06)
[2]基于激光信息的移動(dòng)機(jī)器人SLAM研究[J]. 柳俊城,李迪,翁瀟文.  自動(dòng)化與儀表. 2018(06)
[3]基于SLAM算法和深度神經(jīng)網(wǎng)絡(luò)的語(yǔ)義地圖構(gòu)建研究[J]. 白云漢.  計(jì)算機(jī)應(yīng)用與軟件. 2018(01)
[4]基于SIFT特征匹配的運(yùn)動(dòng)目標(biāo)檢測(cè)及跟蹤方法[J]. 康曉梅,穆柯楠,康賢.  電子設(shè)計(jì)工程. 2018(01)
[5]SIFT算法GPU并行化研究[J]. 鄧伯勝.  現(xiàn)代計(jì)算機(jī)(專(zhuān)業(yè)版). 2017(09)
[6]基于單目視覺(jué)的同時(shí)定位與地圖構(gòu)建方法綜述[J]. 劉浩敏,章國(guó)鋒,鮑虎軍.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2016(06)
[7]基于滿(mǎn)二叉樹(shù)的二分K-means聚類(lèi)并行推薦算法[J]. 陳平華,陳傳瑜.  計(jì)算機(jī)工程與科學(xué). 2015(08)
[8]基于EKF的SLAM算法的一致性分析[J]. 李久勝,李永強(qiáng),周荻.  計(jì)算機(jī)仿真. 2008(06)
[9]基于粒子濾波的紅外目標(biāo)跟蹤[J]. 程建,周越,蔡念,楊杰.  紅外與毫米波學(xué)報(bào). 2006(02)

碩士論文
[1]基于道路標(biāo)識(shí)牌的單目相機(jī)車(chē)輛位姿估計(jì)[D]. 袁金釗.山東大學(xué) 2017
[2]基于單目視覺(jué)的SLAM方法研究[D]. 胡衡.新疆大學(xué) 2015
[3]K-Means算法的k值自適應(yīng)優(yōu)化方法研究[D]. 李芳.安徽大學(xué) 2015
[4]基于局部敏感哈希的近似最近鄰查詢(xún)研究[D]. 劉英帆.西安電子科技大學(xué) 2014



本文編號(hào)：3621446