近幾年無人駕駛技術(shù)得到了快速發(fā)展,無論是谷歌的Waymo還是百度的Apollo都是采用三維激光傳感器進(jìn)行定位建圖,但是由于其價(jià)格昂貴,所以價(jià)格便宜、圖像信息豐富的視覺SLAM技術(shù)成為了近些年的研究熱點(diǎn)。本文研究內(nèi)容為移動(dòng)機(jī)器人的定位與稠密建圖,采用的傳感器是雙目相機(jī)和IMU。為了提高相機(jī)在復(fù)雜環(huán)境下工作的魯棒性,本文采用基于點(diǎn)線特征的方案對圖像提取點(diǎn)特征和線特征,分別利用LK光流法和幀間匹配的方法對提取的點(diǎn)線特征進(jìn)行追蹤。利用三角測量原理恢復(fù)特征的深度信息,通過點(diǎn)線特征共視模型對點(diǎn)線特征投影的誤差函數(shù)進(jìn)行了推導(dǎo)。為了減小長時(shí)間定位累積誤差過大的問題,采用回環(huán)優(yōu)化算法對相機(jī)位姿進(jìn)行優(yōu)化。通過對復(fù)雜環(huán)境下采集的數(shù)據(jù)集進(jìn)行測試,證明在滿足追蹤實(shí)時(shí)性的前提下,基于點(diǎn)線特征的雙目視覺里程計(jì)對圖像的追蹤成功率較VINS-FUSION得到了顯著提高。本文采用雙目相機(jī)和IMU融合的定位算法解決光線較暗和光照變化時(shí)定位誤差增大的問題。初始化時(shí),利用PNP算法求解相機(jī)的初始位姿,為了降低IMU零偏對定位的影響,對IMU的初始零偏進(jìn)行了估計(jì),采用滑動(dòng)窗口算法約束待求解變量的數(shù)量來降低計(jì)算量。通過對IMU預(yù)積... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：79 頁

【學(xué)位級別】：碩士

【部分圖文】：

移動(dòng)機(jī)器人在公

圖片提取上千個(gè)特征點(diǎn)（提取太少會造成追蹤丟失的現(xiàn)象，提取過多耗時(shí)會增加），雖然其計(jì)算量要遠(yuǎn)小于SIFT特征點(diǎn)，但仍然給系統(tǒng)帶來了很大的計(jì)算量，嚴(yán)重消耗了CPU的計(jì)算量；對于無紋理場景或者光照變化的場景，ORB特征點(diǎn)的提取和追蹤是十分困難的，極易造成特征提取失敗或者誤匹配，將嚴(yán)重影響相機(jī)位姿求解的精度；該方案是一種定位類的算法，構(gòu)建的地圖只是為了輔助回環(huán)檢測和回環(huán)優(yōu)化，從而達(dá)到優(yōu)化相機(jī)位姿的目的，這些只包含稀疏特征點(diǎn)的地圖并不能給機(jī)器人的導(dǎo)航、感知、避障帶來實(shí)質(zhì)性幫助。a)追蹤效果b)建圖效果圖1-3ORB-SLAM2運(yùn)行效果（3）SVO算法SVO（Semi-directVisualOdoemtry）算法[20]是基于稀疏直接法的一個(gè)定位方案，其運(yùn)行效果如圖1-4所示。SVO采用特征點(diǎn)的方法對圖像提取部分的角點(diǎn)而不再對特征點(diǎn)進(jìn)行復(fù)雜的描述子計(jì)算，因此它的計(jì)算速度很快。因?yàn)樵谧粉檿r(shí)采取直接法對這些角點(diǎn)進(jìn)行追蹤，所以不需要提取太多的特征點(diǎn)，只需對關(guān)鍵的點(diǎn)進(jìn)行追蹤即可完成相機(jī)位姿的求解。從實(shí)際測試效果看，該算法最突出的特點(diǎn)就是追蹤速度極快，不需要對稠密的點(diǎn)云信息進(jìn)行復(fù)雜的匹配處理，根據(jù)其開源方案進(jìn)行測試時(shí)，在筆記本電腦上測試最高能達(dá)到90幀每秒的速度，完全可以滿足定位實(shí)時(shí)性的要求，所以在一些小型平臺，如無人機(jī)、手持VR、手機(jī)等領(lǐng)域得到了廣泛應(yīng)用。SVO

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文-7-據(jù)求得的TSDF的值對周圍環(huán)境的表面進(jìn)行三維重建。在進(jìn)行三維重建時(shí)，首先把空間進(jìn)行均勻分割，分割的每一個(gè)小的空間稱為voxel體素，每一個(gè)體素里面都包含一個(gè)對應(yīng)的TSDF值，當(dāng)新的圖像輸入時(shí)，對該幀的點(diǎn)云設(shè)置不同的權(quán)重，然后計(jì)算出一個(gè)新的值并進(jìn)行更新，更新完之后對TSDF進(jìn)行線性插值，找到值為0的邊界即為待重建物體的表面。TSDF的值為正，代表該體素在待重建物體外部，值為負(fù)代表該體素在待重建物體內(nèi)部，其重建原理如圖1-5所示。圖1-5TSDF模型示意圖[23]對室內(nèi)固定場景三維重建的效果如圖1-6所示。圖1-6Kinect-Fusion重建結(jié)果[21]Kinect-Fusion算法的特點(diǎn)有以下兩條：①通過TSDF模型對點(diǎn)云進(jìn)行加權(quán)融合，通過不斷對該值進(jìn)行更新以提高三維重建效果，同時(shí)還采用了并行計(jì)算來充分利用計(jì)算機(jī)的計(jì)算能力，一定程度上提高了重建速度；②對大場景的環(huán)境進(jìn)行重建時(shí)，會導(dǎo)致GPU的空間不夠，因此該算法主要運(yùn)用在室內(nèi)的小場景中。（2）Elastic-Fusion建圖算法

【參考文獻(xiàn)】：
期刊論文
[1]移動(dòng)機(jī)器人技術(shù)研究現(xiàn)狀與未來[J]. 曹凱.  信息系統(tǒng)工程. 2013(05)
[2]室外智能移動(dòng)機(jī)器人的發(fā)展及其關(guān)鍵技術(shù)研究[J]. 歐青立,何克忠.  機(jī)器人. 2000(06)



本文編號：2995734