發(fā)布時間：2024-03-08 23:46

　　視覺慣性里程計(VIO)作為視覺SLAM領(lǐng)域最具前景的研究方向之一,受到了各界的廣泛關(guān)注。VIO將低成本、小型化的慣性測量單元(IMU)和攝像機融合在一起,一方面利用相機提供的豐富場景信息來約束IMU的漂移,另一方面利用IMU輸出的載體自身運動信息來確定單目視覺中的尺度因子并將其與慣性空間對齊,充分利用了兩者的互補關(guān)系進行導(dǎo)航和定位。與傳統(tǒng)的濾波方法不同,本文采用定位精度更高的非線性優(yōu)化緊耦合方案進行傳感器信息融合。本文的主要研究工作概述如下:1.對VIO系統(tǒng)中涉及到的坐標(biāo)系進行定義并明確了坐標(biāo)變換關(guān)系;分析了IMU測量模型和針孔相機投影模型,建立了視覺SLAM問題的數(shù)學(xué)模型,并采用非線性最小二乘的方法對其進行求解。2.研究了VIO系統(tǒng)的初始化方法,在視覺前端使用KLT光流法對圖像特征進行跟蹤并利用SFM的思想恢復(fù)相機位姿,同時對連續(xù)兩幀圖像之間的IMU數(shù)據(jù)進行預(yù)積分處理,最后將兩者求得的位姿結(jié)果進行松耦合,通過求解線性最小二乘方程獲得后端優(yōu)化所需要的系統(tǒng)初值,包括尺度因子,陀螺儀的零偏,重力加速度的方向以及載體的運動速度。3.利用IMU測量誤差和視覺重投影誤差構(gòu)造非線性優(yōu)化的代價函數(shù)...

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1-1視覺SLAM的實際應(yīng)用

課題背景與研究意義近年來，無人機自主導(dǎo)航、自動駕駛、虛擬現(xiàn)實（VR）以及增強現(xiàn)實（AR域蓬勃發(fā)展，極大的豐富滿足了人們的生產(chǎn)生活需求。無人機及移動機器人了自主導(dǎo)航的功能之后，可以代替人類完成高空高危以及狹小地形下的探測，例如“玉兔”號月球車的成功著陸、京東無人車派送快遞等；AR....

圖3-2KLT光流跟蹤特征點

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文色線條。由于本文在特征檢測時采用了圖像掩膜的操作，確保每個特征個像素距離內(nèi)不進行特征檢測，所以圖中特征分布比較均勻。鍵幀對于回環(huán)檢測、位姿圖優(yōu)化和建圖具有重要的作用，可以避免頻測等帶來不必要的時間開銷，保證系統(tǒng)實時性。因此，視覺前端處理的定關(guān)鍵幀。本....

圖5-1關(guān)閉回環(huán)時的運動軌跡開啟回環(huán)檢測后重復(fù)進行實驗，可得如圖5-2所示的位姿估計結(jié)果

由于實驗室沒有運動捕捉系統(tǒng)，因此實物實驗只用來定性分析算法的定位結(jié)果。實驗采用在室內(nèi)手持相機走動的形式采集圖像和IMU數(shù)據(jù)，然后將這些信息制作為ROS系統(tǒng)可用的rosbag功能包形式進行位姿估計。室內(nèi)場景如圖5-1左圖所示，該環(huán)境下光照條件良好，特征點豐富十分適合進行視覺S....

圖5-2開啟回環(huán)后的運動軌跡

圖5-1關(guān)閉回環(huán)時的運動軌跡開啟回環(huán)檢測后重復(fù)進行實驗，可得如圖5-2所示的位姿估計結(jié)果�？梢钥吹较噍^于上一次實驗，本次實驗的運動軌跡形成了一個閉合的回環(huán)，這說明回環(huán)檢測模塊有效的消除了累積誤差，明顯提高了位姿估計的精度。圖5-3是運動過程中當(dāng)前幀和回環(huán)幀之間的特征匹....

本文編號：3922570