隨著越來越普及的智能化的時代的來臨,諸如自動駕駛、無人機自主定位等高新高智能行業(yè)的快速興起,室內(nèi)定位需求快速增加,而傳統(tǒng)基于GNSS和IMU的耦合定位方法在無GNSS或弱GNSS的室內(nèi)場景下會失效,如何解決在無GNSS室內(nèi)場景中的自主定位問題,是自動駕駛、智能機器人等領(lǐng)域的核心。由于視覺SLAM方法不依賴環(huán)境的先驗信息搭配視覺傳感器即可實現(xiàn)對未知環(huán)境的定位,且IMU與視覺SLAM方法具有非常良好的互補性,因此基于IMU-視覺SLAM融合的定位成為室內(nèi)定位的熱門研究點。傳統(tǒng)基于單一點特征的視覺SLAM方法,在面對低紋理場景中時由于特征缺失其魯棒性較低,而線特征在諸如白色墻面等場景中卻非常豐富,因此本文首先基于點線特征建立幀間追蹤提高系統(tǒng)的魯棒性。場景的不同會導致點、線特征的性能產(chǎn)生差異,基于此本文提出基于場景分割建立自適應(yīng)的點線特征的視覺估計模型。最后在建立自適應(yīng)的點線加權(quán)追蹤模型后,基于IMU預(yù)積分理論,完成系統(tǒng)初始化和建立IMU與視覺的緊耦合方法,從而建立基于場景反饋的視覺-IMU緊耦合的單目視覺SLAM室內(nèi)定位系統(tǒng)。本文具體內(nèi)容如下:（1）前端建立多特征的觀測模型:首先充分分析單一... 

【文章來源】：中國地質(zhì)大學(北京)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：96 頁

【學位級別】：碩士

【部分圖文】：

無人機的廣泛應(yīng)用

中國地質(zhì)大學（北京）碩士學位論文3視覺SLAM方法雖然能在大場景下獲得較為有效的定位效果，但在諸如低紋理、光照突變、大拐彎等局部特殊區(qū)域時魯棒性較差，易發(fā)生幀間追蹤失效（Chengetal，2019）。為解決這一缺陷，越來越多的研究學者開始引入多傳感器協(xié)同工作進行優(yōu)勢互補，其中IMU慣性測量元件不受場景影響且能高頻率輸出運動信息，但IMU元件在大場景下的運動測量會隨著時間的增加產(chǎn)生較大的誤差積累。IMU與視覺SLAM方法可很好的實現(xiàn)優(yōu)勢互補，因此視覺SLAM方法與IMU的融合成為SLAM領(lǐng)域中非常熱門的研究點之一（王琪，2017）。(a)電力巡線(b)物流(c)環(huán)境監(jiān)測(d)災(zāi)后救援(e)偵察(f)協(xié)調(diào)作戰(zhàn)(g)農(nóng)業(yè)(h)航拍(i)偵察圖1-1無人機的廣泛應(yīng)用(a)密林(b)封閉室內(nèi)(c)城市建筑群圖1-2復(fù)雜多變的飛行環(huán)境

1引言4(a)自動駕駛車(b)掃地機器人(c)智能機器人圖1-3智能自主定位平臺(a)單目相機(b)雙目相機(c)RGBD相機圖1-4V-SLAM常用相機表1-1不同傳感器的優(yōu)缺點對比相機類型優(yōu)勢劣勢單目成本低，距離不受限尺度不確定性、初始化問題雙目可計算深度、距離不受限配置復(fù)雜、計算量大RGBD主動測量深度、重建效果較好測量范圍孝受日光干擾、受材質(zhì)干擾1.2國內(nèi)外研究現(xiàn)狀SLAM自1988提出至今經(jīng)過了30多年的發(fā)展已取得了較為顯著的成果，經(jīng)典視覺SLAM框架的建立為SLAM領(lǐng)域的研究定下了基礎(chǔ)框架與指導。如圖1-5所示，經(jīng)典視覺SLAM框架主要包括前端視覺里程計、后端優(yōu)化、回環(huán)檢測與地圖的構(gòu)建四大模塊。其中視覺里程計（Visualodometer）主要完成幀間運動計算，解算相機運動軌跡；后端優(yōu)化（Optimization）對前端計算得到的軌跡進行優(yōu)化以獲取最優(yōu)解的過程；而回環(huán)檢測通過檢測是否達到已經(jīng)經(jīng)過的地方，從而進行全局優(yōu)化有效的減小誤差累積，而建圖模塊完成對環(huán)境模型的建立，如生成稠密拓撲地圖或度量地圖等。

【參考文獻】：
期刊論文
[1]無人機信息安全研究綜述[J]. 何道敬,杜曉,喬銀榮,朱耀康,樊強,羅旺.  計算機學報. 2019(05)
[2]室內(nèi)定位方法綜述[J]. 席瑞,李玉軍,侯孟書.  計算機科學. 2016(04)

碩士論文
[1]基于視覺的語義SLAM關(guān)鍵技術(shù)研究[D]. 王澤民.戰(zhàn)略支援部隊信息工程大學 2018
[2]利用Kinect點云數(shù)據(jù)的室內(nèi)未知環(huán)境自主定位[D]. 常明.中國地質(zhì)大學(北京) 2017
[3]基于點線綜合特征的雙目視覺SLAM方法[D]. 謝曉佳.浙江大學 2017



本文編號：3041548