近年來(lái),SLAM技術(shù)已經(jīng)獲得突飛猛進(jìn)的發(fā)展,在工業(yè)機(jī)器人、AR、VR技術(shù),以及智能車等方面都有著廣大的應(yīng)用前景。視覺SLAM完成了智能體對(duì)環(huán)境的幾何信息的理解,但忽略了對(duì)環(huán)境語(yǔ)義信息的理解。由于視覺SLAM技術(shù)與圖像語(yǔ)義分割技術(shù)是互補(bǔ)關(guān)系:前者關(guān)注場(chǎng)景的幾何信息,后者關(guān)注場(chǎng)景語(yǔ)義理解。所以,本文將視覺SLAM技術(shù)與圖像語(yǔ)義分割技術(shù)相結(jié)合,研究基于語(yǔ)義信息的相機(jī)定位與重建技術(shù)。由于RGB-D相機(jī)的低成本化、可以輕松構(gòu)建稠密的地圖來(lái)體現(xiàn)重構(gòu)場(chǎng)景的完整性,且使用距離有限。因此,本文研究的是室內(nèi)環(huán)境下的RGB-D相機(jī)定位與重建技術(shù)。本文的出發(fā)點(diǎn)在于將語(yǔ)義分割與經(jīng)典的視覺相機(jī)定位與重建結(jié)合,并且相互輔助,從而構(gòu)建更為準(zhǔn)確的三維語(yǔ)義地圖。首先,在視覺里程計(jì)的兩張RGB圖像的特征點(diǎn)匹配階段,針對(duì)特征點(diǎn)存在許多誤匹配關(guān)系問(wèn)題,提出利用語(yǔ)義分割的結(jié)果,分類別進(jìn)行特征點(diǎn)匹配,使得參與相機(jī)運(yùn)動(dòng)估計(jì)的匹配對(duì)更加精確。然后,在重投影求解相機(jī)姿態(tài)階段,針對(duì)將錯(cuò)誤的三維空間點(diǎn)映射到RGB圖像中進(jìn)行重投影誤差優(yōu)化問(wèn)題,提出利用語(yǔ)義標(biāo)簽信息,縮小投影范圍和減少誤匹配參與優(yōu)化,使得求解相機(jī)姿態(tài)更準(zhǔn)確。其次,在局部、全局優(yōu)...

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2-1旋轉(zhuǎn)實(shí)例

華中科技大學(xué)碩士學(xué)位論文視覺里程計(jì)覺里程計(jì)計(jì)算相機(jī)運(yùn)動(dòng)通常在相機(jī)采集圖像信息和預(yù)處理之后，此階圖像之間的相對(duì)運(yùn)動(dòng)。通過(guò)兩幀圖像之間的圖像信息，粗略的估計(jì)出相后端優(yōu)化的初始值。先討論兩張圖像之間簡(jiǎn)單的運(yùn)動(dòng)關(guān)系。如圖2-1所圖片是在左邊圖向右旋轉(zhuǎn)一定角度的....

圖2-2漂移示意圖

為某一個(gè)時(shí)刻對(duì)應(yīng)的狀態(tài)僅僅和前一個(gè)時(shí)刻狀態(tài)有關(guān)，與其他時(shí)刻的，大多會(huì)采用擴(kuò)展卡爾曼濾波（EKF）為代表的濾波器方法。在優(yōu)化狀態(tài)信息推導(dǎo)計(jì)算出下一個(gè)時(shí)刻的狀態(tài)信息。如果考慮某一時(shí)刻的狀的狀態(tài)都有關(guān)聯(lián)，這時(shí)將獲得非線性優(yōu)化為主體的優(yōu)化方式�；丨h(huán)檢測(cè)LAM首要任務(wù)是估計(jì)相機(jī)的運(yùn)動(dòng)從而....

圖2-3根據(jù)構(gòu)建地圖的作用來(lái)分類

導(dǎo)航是指機(jī)器人可以在地圖中進(jìn)行自主路徑規(guī)劃，從已出安全路徑，使得自身成功到達(dá)目的地的過(guò)程。在自主導(dǎo)航的密的地圖才能知道地圖中哪些路標(biāo)是可以通過(guò)，哪些是不能通務(wù)。避障。與導(dǎo)航相似，但避障更側(cè)重局部、動(dòng)態(tài)障礙物的場(chǎng)景情路標(biāo)無(wú)法判斷前方是否有路障，并且處理路障，因而，需要稠任務(wù)。重建。....

圖2-4語(yǔ)義驅(qū)動(dòng)的相機(jī)定位與重建構(gòu)建圖

12圖2-4語(yǔ)義驅(qū)動(dòng)的相機(jī)定位與重建構(gòu)建圖：若沒有啟動(dòng)跟蹤模式（系統(tǒng)沒有初始化），則

本文編號(hào)：3963959