移動機器人廣泛應(yīng)用于室內(nèi)倉儲、室外運輸?shù)雀鱾�場景,而視覺實時定位和建圖技術(shù)(Visual Simultaneous Localization and Mapping,Visual SLAM)是移動機器人感知未知環(huán)境必不可少的一個重要環(huán)節(jié)。本文研究的是移動機器人在動態(tài)場景中的定位方式、交通標志物的語義稠密重建和相機軌跡的閉環(huán)矯正三個內(nèi)容。目的是利用語義信息使得機器人能夠更好的處理動態(tài)場景中的定位問題,并完成對特定交通標志物的三維語義重建,最后利用重建的結(jié)果進行相機軌跡的閉環(huán)校正從而提高視覺SLAM系統(tǒng)的整體精度。準確的位姿估計是機器人能夠進行準確建圖的前提。目前大多數(shù)視覺SLAM算法在靜態(tài)場景中都能進行正確的位姿估計,但是當(dāng)場景中存在運動的物體時,系統(tǒng)的定位精度會出現(xiàn)巨大的誤差。為了解決這一問題,本文首先利用語義分割的圖片識別出潛在的運動物體,然后構(gòu)建基于光流法的動態(tài)物體識別模型,并將該模型融入到視覺SLAM系統(tǒng)之中,接著利用公開數(shù)據(jù)集驗證該方法的有效性。實驗結(jié)果表明該方法能夠提高視覺SLAM系統(tǒng)在動態(tài)場景中的定位精度和魯棒性。構(gòu)建可以復(fù)用的地圖是視覺SLAM重要的應(yīng)用場景之一,為了重建可復(fù)用的語義地圖,本文提出了一種基于平面擬合的交通標志物稠密重建算法。首先利用圖片的語義信息和視覺SLAM系統(tǒng)生成半稠密的語義地圖,同時利用匈牙利算法在語義圖片上進行多目標追蹤,然后利用半稠密的語義地圖和多目標追蹤的結(jié)果對七種平面狀的交通標志物進行稠密重建。重建的地圖可以為后續(xù)的機器人導(dǎo)航、軌跡閉環(huán)矯正等功能提供豐富的先驗信息。最后,由于基于直接法的視覺SLAM系統(tǒng)在位姿估計的過程中不提取特征點,因此這類SLAM系統(tǒng)沒有閉環(huán)矯正的功能,本文利用重建的語義地圖彌補了這一缺陷。通過距離閾值初步判斷閉環(huán)候選幀,然后將語義地圖轉(zhuǎn)換為圖模型以加速閉環(huán)候選幀的選取,最后用迭代最近點算法和位姿圖完成閉環(huán)矯正。該算法可以幫助上述SLAM系統(tǒng)消除長時間運行下造成的累計誤差,從而提高系統(tǒng)的整體精度�？傊�,本文改進了傳統(tǒng)視覺SLAM系統(tǒng)的定位精度和建圖效果。識別運動物體和軌跡閉環(huán)矯正算法使系統(tǒng)的定位更加準確,交通標志物重建算法幫助機器人構(gòu)建了一種可以復(fù)用的語義地圖,這為室外自動駕駛場景中的地圖重建提供了一種全新的思路。
【學(xué)位單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP242
【部分圖文】：

同時定位與地圖構(gòu)建(SimultaneousLocalizationandMapping，SLAM)算法于移動機器人的各個領(lǐng)域，該技術(shù)在近年得到了高速發(fā)展。SLAM 算法主激光、相機等傳感器幫助機器人在未知環(huán)境中獲得自身的位置，同時進行建，在大多數(shù) SLAM 系統(tǒng)中，定位和建圖是相互耦合的，即建圖的主要得精確的位姿，同時位姿優(yōu)化的過程中也會將地圖點作為優(yōu)化變量，從而確的地圖[4]。機器人的同時定位和地圖構(gòu)建技術(shù)目前已經(jīng)廣泛應(yīng)用于室外移動機器人駛、室內(nèi)物流 AGV(Automated Guided Vehicle)等系統(tǒng)中。比如在無人駕，如果 GPS 信號丟失，通常會啟動 SLAM 技術(shù)進行臨時的位姿跟蹤；如得一個已知的高精度地圖，那么用視覺 SLAM 技術(shù)可以完成當(dāng)前幀和全位姿配準，從而獲得厘米級的定位精度；同時利用視覺 SLAM 進行地圖建也是目前室外建圖常用的方案。深度學(xué)習(xí)是 21 世紀最具影響力的技術(shù)之一，該技術(shù)在圖像分類與模式識得了重大突破，一些算法的識別準確率在國際公開競賽中已經(jīng)超越了人(a) 服務(wù)機器人 (b) 巡游機器人 (c) 物流機器人圖 1-1 移動機器人

計算的結(jié)果存在較大誤差；RGB-D 相機通過紅外結(jié)構(gòu)光(StructuredLight)或者飛行時間法(Time-of-flight,ToF)可以直接獲得圖像中每一個像素的深度值，但其測量的有效距離很短，無法直接應(yīng)用于大規(guī)模的室外場景。1.2.1.1 定位類視覺 SLAM 算法國內(nèi)外研究現(xiàn)狀（1）ORB-SLAM2 算法ORB-SLAM2[13-14]是2015年由Paul等人提出的基于ORB特征點的視覺SLAM算法，該算法擁有很強的魯棒性，相比其他同類算法其擁有足夠的精度，并且擁有閉環(huán)檢測、重定位等功能，是一個完整的 SLAM 系統(tǒng)。ORB-SLAM2 支持單目、雙目、RGB-D 三種模式，擁有 KITTI[23]、TUM[24]等多種數(shù)據(jù)集的接口，可以很方便的對代碼進行擴展，為了進一步提升該算法的精度和魯棒性，作者在近期將 IMU 信息融入 ORB-SLAM2 的系統(tǒng)中[25]，但目前還沒有開源相關(guān)代碼，目前該算法雖然在 KITTI 的 Visual Odometry 排名中僅位列三十，但幾乎所有精度更高的算法都借助了激光、GPS 等其他傳感器，ORB-SLAM2 依然是視覺特征點法的代表。ORB-SLAM2 建圖效果如圖 1-2 所示。

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文責(zé)關(guān)鍵幀的插入、新地圖點的創(chuàng)建、局部集束調(diào)整；閉環(huán)檢測(Loo要負責(zé)后端的閉環(huán)優(yōu)化�？梢暬�(Viewer)線程主要用于建立用戶交研究者可以實時觀察系統(tǒng)輸出的軌跡和地圖點。采用的 ORB 特征點具有簡單、快速等特性，該類特征點可以在 SL實時提取，并且后續(xù)研究者通過灰度質(zhì)心法和 SteerBRIEF 描述子B 特征點的魯棒性。利用 DBoW2 詞袋算法加速特征點的匹配，并將其用于回環(huán)檢測算高了圖片匹配的速度和回環(huán)檢測的精度。ORB-SLAM2 會構(gòu)建一個局部地圖，并通過共視圖(Covisibility G部地圖，所有的位姿求解和優(yōu)化都會通過局部地圖點進行，如下圖

【相似文獻】

相關(guān)期刊論文 前10條

1 錢麗勛;李卓;范增明;李平;歐文;;紅外動態(tài)場景圖像質(zhì)量評價理論概述[J];紅外與激光工程;2011年10期

2 陳元林;湯心溢;于洋;;便攜式實時紅外動態(tài)場景仿真器設(shè)計與實現(xiàn)[J];激光與紅外;2010年01期

3 高思莉,湯心溢;紅外動態(tài)場景仿真[J];紅外;2004年12期

4 趙濤;王振華;毛宏霞;包醒東;陳軒;;動態(tài)場景目標光、電特性仿真方法綜述[J];上海航天;2019年04期

5 范逵;周曉波;;高動態(tài)場景的圖像融合優(yōu)化和實時應(yīng)用[J];中國圖象圖形學(xué)報;2014年06期

6 錢麗勛;李卓;范增明;李平;歐文;;一種紅外動態(tài)場景圖像評價裝置的性能測試[J];紅外與激光工程;2012年09期

7 稅敏;蘇泳濤;曹歡;;高動態(tài)場景下頻率估計器的設(shè)計與實現(xiàn)[J];通信技術(shù);2019年01期

8 劉敏;武明虎;王娟;;動態(tài)場景下移動偵測的改進方法[J];計算機工程;2017年05期

9 吉書鵬;一種小波多分辨率分析的多算子動態(tài)場景目標跟蹤算法研究[J];光學(xué)技術(shù);2004年06期

10 余軼民;許端清;余軼軍;陳純;;基于視頻的微幀組合動態(tài)場景生成[J];浙江大學(xué)學(xué)報(工學(xué)版);2009年08期

相關(guān)會議論文 前9條

1 趙世明;王忠巍;;基于紅外仿真的動態(tài)場景投射方式優(yōu)化研究[A];’2004系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2004年

2 戴德云;王紀凱;葛振華;包鵬;陳宗海;;動態(tài)場景下基于稠密場景流的運動目標檢測[A];第18屆中國系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)年會論文集（18th CCSSTA 2017）[C];2017年

3 徐昊殭;史博皓;周吉帆;沈模衛(wèi);;動態(tài)場景中意圖識別的計算模型[A];第二十屆全國心理學(xué)學(xué)術(shù)會議--心理學(xué)與國民心理健康摘要集[C];2017年

4 邸晶荔;趙紅云;楊萃;;動態(tài)戰(zhàn)場電磁環(huán)境分布式仿真測試系統(tǒng)[A];’2004系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2004年

5 陳海燕;趙松慶;吳根水;;紅外動態(tài)場景模擬器發(fā)展現(xiàn)狀及其在半實物仿真中的作用[A];第十屆中國科協(xié)年會論文集（一）[C];2008年

6 徐瑋;張茂軍;吳玲達;王煒;;基于圖象的動態(tài)場景繪制技術(shù)[A];中國系統(tǒng)仿真學(xué)會第五次全國會員代表大會暨2006年全國學(xué)術(shù)年會論文集[C];2006年

7 薛偉羅晨;岳富占;董啟甲;;視覺輔助的INS/GNSS導(dǎo)航系統(tǒng)在動態(tài)場景下的特性分析[A];第九屆中國衛(wèi)星導(dǎo)航學(xué)術(shù)年會論文集——S10 多源融合導(dǎo)航技術(shù)[C];2018年

8 徐瑞;王睿;李怡;崔玉柱;;動態(tài)場景下基于Bayesian分類光流法的運動目標檢測[A];中國儀器儀表學(xué)會第十三屆青年學(xué)術(shù)會議論文集[C];2011年

9 李海慶;殷國富;胡瑞飛;;基于X3D的虛擬場景交互架構(gòu)的實現(xiàn)方法研究[A];中國系統(tǒng)仿真學(xué)會第五次全國會員代表大會暨2006年全國學(xué)術(shù)年會論文集[C];2006年

相關(guān)重要報紙文章 前3條

1 撰稿 本報記者 桂運安 鄭莉 汪永安 王慧慧;“機器人”撬動大產(chǎn)業(yè)[N];安徽日報;2018年

2 ;7款250元以下全能耳機橫向評測[N];電腦報;2005年

3 河南省周口教育學(xué)院　張翠玲;把IT融入教育創(chuàng)新[N];中國教育報;2003年

相關(guān)博士學(xué)位論文 前10條

1 肖志鵬;無人車動態(tài)場景分析關(guān)鍵技術(shù)研究[D];國防科技大學(xué);2018年

2 曾鵬鑫;動態(tài)場景下多運動目標檢測及跟蹤方法研究[D];東北大學(xué);2005年

3 齊苑辰;復(fù)雜動態(tài)場景下在線視覺目標跟蹤算法研究[D];東北大學(xué);2015年

4 鐘必能;復(fù)雜動態(tài)場景中運動目標檢測與跟蹤算法研究[D];哈爾濱工業(yè)大學(xué);2010年

5 潘明皓;動態(tài)場景的真實感圖形交互繪制技術(shù)[D];浙江大學(xué);2010年

6 許麗;動態(tài)場景的三維信息獲取相關(guān)技術(shù)研究[D];上海大學(xué);2009年

7 馬溪原;含風(fēng)電電力系統(tǒng)的場景分析方法及其在隨機優(yōu)化中的應(yīng)用[D];武漢大學(xué);2014年

8 熊慶;變化感知的復(fù)雜室內(nèi)環(huán)境智能導(dǎo)航方法[D];武漢大學(xué);2017年

9 劉海;大規(guī)模森林景觀可視化模擬技術(shù)研究[D];中國林業(yè)科學(xué)研究院;2015年

10 吳培;基于數(shù)字微鏡器件的高動態(tài)像素級調(diào)光的成像技術(shù)研究[D];中國科學(xué)院長春光學(xué)精密機械與物理研究所;2017年

相關(guān)碩士學(xué)位論文 前10條

1 劉帥;風(fēng)電場短期功率預(yù)測方法的研究[D];華北電力大學(xué);2019年

2 田琪;動態(tài)場景中交通標志物重建和相機軌跡閉環(huán)矯正算法研究[D];哈爾濱工業(yè)大學(xué);2019年

3 康凱;動態(tài)場景中的目標跟蹤算法研究[D];西安理工大學(xué);2014年

4 劉紫童;衛(wèi)星載荷ADS-B接收機動態(tài)場景模擬信號源研究與實現(xiàn)[D];電子科技大學(xué);2019年

5 許小葉;動態(tài)場景下工件目標高精度分割方法研究[D];昆明理工大學(xué);2018年

6 閆文龍;動態(tài)場景中運動目標的發(fā)現(xiàn)與跟蹤算法研究與系統(tǒng)實現(xiàn)[D];成都信息工程大學(xué);2018年

7 崔晟;基于圖象數(shù)據(jù)庫的動態(tài)場景生成系統(tǒng)及其應(yīng)用[D];西安電子科技大學(xué);2002年

8 蒙冰皓;面向動態(tài)場景理解的時空深度學(xué)習(xí)算法[D];電子科技大學(xué);2017年

9 姜濤;室外動態(tài)場景中的人臉識別[D];電子科技大學(xué);2015年

10 毛華;動態(tài)場景中運動目標跟蹤算法研究與實現(xiàn)[D];電子科技大學(xué);2009年

本文編號：2827124