視覺(jué)慣性里程計(jì)(VIO)作為視覺(jué)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(cè)量單元(IMU)和攝像機(jī)融合在一起,一方面利用相機(jī)提供的豐富場(chǎng)景信息來(lái)約束IMU的漂移,另一方面利用IMU輸出的載體自身運(yùn)動(dòng)信息來(lái)確定單目視覺(jué)中的尺度因子并將其與慣性空間對(duì)齊,充分利用了兩者的互補(bǔ)關(guān)系進(jìn)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?xún)?yōu)化緊耦合方案進(jìn)行傳感器信息融合。本文的主要研究工作概述如下:1.對(duì)VIO系統(tǒng)中涉及到的坐標(biāo)系進(jìn)行定義并明確了坐標(biāo)變換關(guān)系;分析了IMU測(cè)量模型和針孔相機(jī)投影模型,建立了視覺(jué)SLAM問(wèn)題的數(shù)學(xué)模型,并采用非線性最小二乘的方法對(duì)其進(jìn)行求解。2.研究了VIO系統(tǒng)的初始化方法,在視覺(jué)前端使用KLT光流法對(duì)圖像特征進(jìn)行跟蹤并利用SFM的思想恢復(fù)相機(jī)位姿,同時(shí)對(duì)連續(xù)兩幀圖像之間的IMU數(shù)據(jù)進(jìn)行預(yù)積分處理,最后將兩者求得的位姿結(jié)果進(jìn)行松耦合,通過(guò)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(yùn)動(dòng)速度。3.利用IMU測(cè)量誤差和視覺(jué)重投影誤差構(gòu)造非線性?xún)?yōu)化的代價(jià)函數(shù)...

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1-1視覺(jué)SLAM的實(shí)際應(yīng)用

課題背景與研究意義近年來(lái)，無(wú)人機(jī)自主導(dǎo)航、自動(dòng)駕駛、虛擬現(xiàn)實(shí)（VR）以及增強(qiáng)現(xiàn)實(shí)（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(wú)人機(jī)及移動(dòng)機(jī)器人了自主導(dǎo)航的功能之后，可以代替人類(lèi)完成高空高危以及狹小地形下的探測(cè)，例如“玉兔”號(hào)月球車(chē)的成功著陸、京東無(wú)人車(chē)派送快遞等；AR....

圖3-2KLT光流跟蹤特征點(diǎn)

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(cè)時(shí)采用了圖像掩膜的操作，確保每個(gè)特征個(gè)像素距離內(nèi)不進(jìn)行特征檢測(cè)，所以圖中特征分布比較均勻。鍵幀對(duì)于回環(huán)檢測(cè)、位姿圖優(yōu)化和建圖具有重要的作用，可以避免頻測(cè)等帶來(lái)不必要的時(shí)間開(kāi)銷(xiāo)，保證系統(tǒng)實(shí)時(shí)性。因此，視覺(jué)前端處理的定關(guān)鍵幀。本....

圖5-1關(guān)閉回環(huán)時(shí)的運(yùn)動(dòng)軌跡開(kāi)啟回環(huán)檢測(cè)后重復(fù)進(jìn)行實(shí)驗(yàn)，可得如圖5-2所示的位姿估計(jì)結(jié)果

由于實(shí)驗(yàn)室沒(méi)有運(yùn)動(dòng)捕捉系統(tǒng)，因此實(shí)物實(shí)驗(yàn)只用來(lái)定性分析算法的定位結(jié)果。實(shí)驗(yàn)采用在室內(nèi)手持相機(jī)走動(dòng)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(jìn)行位姿估計(jì)。室內(nèi)場(chǎng)景如圖5-1左圖所示，該環(huán)境下光照條件良好，特征點(diǎn)豐富十分適合進(jìn)行視覺(jué)S....

圖5-2開(kāi)啟回環(huán)后的運(yùn)動(dòng)軌跡

圖5-1關(guān)閉回環(huán)時(shí)的運(yùn)動(dòng)軌跡開(kāi)啟回環(huán)檢測(cè)后重復(fù)進(jìn)行實(shí)驗(yàn)，可得如圖5-2所示的位姿估計(jì)結(jié)果�？梢钥吹较噍^于上一次實(shí)驗(yàn)，本次實(shí)驗(yàn)的運(yùn)動(dòng)軌跡形成了一個(gè)閉合的回環(huán)，這說(shuō)明回環(huán)檢測(cè)模塊有效的消除了累積誤差，明顯提高了位姿估計(jì)的精度。圖5-3是運(yùn)動(dòng)過(guò)程中當(dāng)前幀和回環(huán)幀之間的特征匹....

本文編號(hào)：3922570