【摘要】：基于直接法的大范圍單目即時定位和地圖構建(LSD-SLAM,Large-Scale Direct Monocular Simultaneous Localization and Mapping)即基于單目視覺傳感器數(shù)據(jù)在未知環(huán)境下估計機器人位姿并重建環(huán)境場景,對這種不依賴于GPS的導航方法的研究是目前自主無人系統(tǒng)領域的研究熱點。本文以LSD-SLAM為研究對象,對三維場景重建進行了研究�；谶@個出發(fā)點主要完成了以下的研究工作。首先,針對單目視覺SLAM系統(tǒng),確定LSD-SLAM為本文研究對象。通過對比的方法選定了環(huán)境數(shù)據(jù)集,LSD-SLAM作為不依賴于特征的直接法,對全局圖像像素進行處理,并實時創(chuàng)建了半稠密的三維地圖;其次,針對LSD-SLAM輸出的半密集點云圖對于自主導航系統(tǒng)不適用的問題,根據(jù)反向傳感器模型(ISM)可用于表征特定傳感器的不確定性的特點,提出反向傳感器模型與LSD-SLAM結(jié)合的方法實時創(chuàng)建占用柵格圖;然后,通過比較幾種典型的技術確定了具有全三維建模、可更新、靈活和緊湊優(yōu)點的八叉樹柵格圖作為本文的三維環(huán)境重建手段。對已有的可用于單目視覺的高斯反向傳感器模型分析討論關鍵參數(shù)后,生成實時的三維八叉樹占用柵格圖。改進了Andert的針對立體視覺的測量反向傳感器模型,深入的分析了改進的測量反向傳感器模型的關鍵參數(shù)影響后,實現(xiàn)了改進的測量反向傳感器模型的實時的八叉樹占用柵格圖;最后,從內(nèi)存消耗、實時性、定性分析以及定量分析的角度將高斯反向模型三維建模同改進的測量反向模型三維建模進行了測試比較,分析了LSD-SLAM下的三維占用柵格地圖的效果,并針對影響單目視覺系統(tǒng)三維建模的因素進行了研討。實驗證明,LSD-SLAM完全可以和反向傳感器模型結(jié)合創(chuàng)建準確的半稠密占用柵格圖,用于自主導航。對于大型的數(shù)據(jù)集,高斯反向傳感器模型的表現(xiàn)較好,對于小型數(shù)據(jù)集,改進的測量反向傳感器模型完全可以替代高斯反向傳感器模型,并且在低分辨率下的八叉樹柵格圖質(zhì)量優(yōu)于高斯反向傳感器模型。
【圖文】：

西安科技大學碩士學位論文境�；诰W(wǎng)格的地圖是度量圖的一種形式，通常包含均勻間距的網(wǎng)格單元，如圖 1.1(所示。網(wǎng)格單元可以表示包含障礙物或自由空間環(huán)境的一部分，或者仍未知的環(huán)境。與拓撲圖相比，度量圖雖然大量信息的復雜性占用了更多內(nèi)存，降低了路徑規(guī)劃計算的效率，但是基于網(wǎng)格的地圖易于構造和存儲關于環(huán)境的更多細節(jié)，能更精確地解決位置之間的最優(yōu)路徑[21]。度量地圖，特別是占用網(wǎng)格地圖，是自主導航和機器人技術中最常用的地圖類型。占用柵格圖允許在概率理論的基礎上構建度量圖。

預備知識題，數(shù)學上目的是同時求解相機的位姿和地圖中M 系統(tǒng)時，需要做出的決定是在輸入幀之間跟蹤展始于立體視覺 SLAM 系統(tǒng)，立體視覺可以估計硬件設置和校準。單目視覺通過相同場景的一組境的結(jié)構，這一過程通常稱為運動結(jié)構(SFM)[26]。單目攝像機的模型、以及單目視覺 SLAM 算法。是計算機圖形學的重要手段之一，，它既能夠用來仿射（線性）幾何變換[27]。齊次坐標以射影幾何的點用有限坐標表示，也允許使用矩陣來表示仿P 的表示，如果P 和 P(其中 是標量)在 0。如圖 2.1 所示，一個沿著公共向量經(jīng)過原點1O 的 w 1上的點，其進一步描述為：
【學位授予單位】：西安科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP391.41;TP242

【參考文獻】

相關期刊論文 前4條

1 李丹程;劉景明;姜琳穎;劉雁集;;基于柵格模型的雙目移動機器人三維場景重建[J];小型微型計算機系統(tǒng);2012年04期

2 佟帥;徐曉剛;易成濤;邵承永;;基于視覺的三維重建技術綜述[J];計算機應用研究;2011年07期

3 王彭林;石守東;洪小偉;;基于單目視覺和里程計的SLAM算法研究[J];計算機仿真;2008年10期

4 羅榮華,洪炳昒,厲茂海;基于局部特征預測的柵格地圖創(chuàng)建[J];哈爾濱工業(yè)大學學報;2004年07期

相關博士學位論文 前1條

1 周武;面向智能移動機器人的同時定位與地圖創(chuàng)建研究[D];南京理工大學;2009年

相關碩士學位論文 前10條

1 王陳東;低空無人機視頻實時處理關鍵技術研究[D];武漢大學;2018年

2 王海;基于CUDA的單目LSD-SLAM算法并行化研究[D];西北農(nóng)林科技大學;2018年

3 魏樂麒;基于環(huán)境語義信息的SLAM算法研究與實現(xiàn)[D];西安電子科技大學;2018年

4 黃韜;基于單目視覺里程計的增強現(xiàn)實系統(tǒng)[D];華南理工大學;2018年

5 朱英;污水管道機器人視覺SLAM研究[D];西南交通大學;2018年

6 唐令;基于半直接法的單目視覺里程計設計與實現(xiàn)[D];重慶大學;2018年

7 劉子鍵;大尺度環(huán)境下單目視覺同步定位與地圖構建算法研究[D];西安電子科技大學;2017年

8 陳玉;基于SLAM的掃地機器人控制系統(tǒng)研究[D];哈爾濱工業(yè)大學;2017年

9 唐文名;單鏡頭三維環(huán)境建模多維信息融合方法研究[D];深圳大學;2016年

10 李貴亞;基于立體視覺的機器人SLAM算法研究[D];哈爾濱工業(yè)大學;2015年

本文編號：2645216