即時定位和地圖構(gòu)建技術(shù)（Simultaneous Localization and Mapping,SLAM）是完成移動機器人自主導(dǎo)航任務(wù)的核心技術(shù)。某種設(shè)備（如機器人、相機、視覺傳感器等）在未知的環(huán)境中快速、準確地對所在位置進行定位,是提高地圖質(zhì)量的核心問題。目前,隨著虛擬現(xiàn)實、無人駕駛和三維重建技術(shù)的快速發(fā)展,單一傳感器獲取信息量較小,其已經(jīng)不能滿足大場景重建的需求,通常需要多個傳感器從不同的角度捕獲圖像。因此,本文利用多視圖融合的數(shù)據(jù),進行了閉環(huán)檢測方法的研究。本文選用Matterport 3D Pro相機掃描實體場景獲取RGB-D圖像數(shù)據(jù)。首先,將獲取的彩色圖像融合為全景圖,得到序列形式的全景圖像,并提取每張圖像的SURF特征。其次,根據(jù)彩色圖像對應(yīng)的深度圖,為每個特征點增加深度信息,并對提取的圖像特征進行預(yù)處理。然后,結(jié)合計算機視覺中的視覺字典技術(shù),基于預(yù)處理后的特征構(gòu)建視覺字典樹。另外,本文基于公開的RGB-D數(shù)據(jù)集進行了實驗方法的驗證。由于數(shù)據(jù)集中視覺數(shù)據(jù)對光照條件敏感,且在視覺較弱的區(qū)域難以提取有效特征。因此,本文利用多幀深度圖融合的三維點云數(shù)據(jù)訓(xùn)練視覺字典。最后,為了... 

【文章來源】：河北工業(yè)大學天津市 211工程院校

【文章頁數(shù)】：74 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 視覺SLAM閉環(huán)檢測
        1.2.2 三維全景信息在SLAM中的研究
    1.3 研究的目的及意義
    1.4 本文的主要內(nèi)容及組織結(jié)構(gòu)
第二章 理論基礎(chǔ)分析
    2.1 相機成像模型
        2.1.1 參考坐標系
        2.1.2 針孔相機模型
        2.1.3 相機畸變模型
    2.2 特征的提取
        2.2.1 圖像特征
        2.2.2 三維點云特征
    2.3 點云配準
        2.3.1 點云的概念
        2.3.2 點云配準的方法與原理
        2.3.3 ICP精確配準算法
    2.4 本章小結(jié)
第三章 三維圖像的獲取及其特征處理
    3.1 RGB-D相機標定
        3.1.1 Xtion傳感器
        3.1.2 標定原理
        3.1.3 標定實驗及結(jié)果
    3.2 RGB-D相機模型
    3.3 Matterport3D圖像數(shù)據(jù)的特征處理
        3.3.1 數(shù)據(jù)的獲取及其全景圖像的合成
        3.3.2 特征的提取及其預(yù)處理
    3.4 RGB-D圖像序列數(shù)據(jù)的特征處理
        3.4.1 數(shù)據(jù)的獲取
        3.4.2 特征的提取及其預(yù)處理
    3.5 本章小結(jié)
第四章 視覺閉環(huán)檢測方法分析
    4.1 閉環(huán)檢測概述
        4.1.1 閉環(huán)檢測的意義
        4.1.2 閉環(huán)檢測的方法
        4.1.3 詞袋模型
    4.2 視覺字典
        4.2.1 字典的結(jié)構(gòu)
        4.2.2 相似度計算
        4.2.3 創(chuàng)建字典
    4.3 提取閉環(huán)信息
    4.4 本章小結(jié)
第五章 實驗結(jié)果及其分析
    5.1 實驗環(huán)境
    5.2 基于Matterport采集數(shù)據(jù)的閉環(huán)檢測實驗
        5.2.1 實驗結(jié)果和性能分析
    5.3 基于RGB-D公開數(shù)據(jù)集的閉環(huán)檢測實驗
        5.3.1 真實的閉環(huán)
        5.3.2 實驗結(jié)果和性能分析
    5.4 本章小結(jié)
第六章 總結(jié)
    6.1 全文總結(jié)
    6.2 工作展望
參考文獻
攻讀碩士學位期間所取得的相關(guān)科研成果
致謝


【參考文獻】：
期刊論文
[1]三維掃描技術(shù)在3ds Max建模中的應(yīng)用探究[J]. 陳艷雷,惠延波,馮蘭芳.  制造業(yè)自動化. 2017(05)
[2]基于全景視覺機器人的改進UKF-SLAM算法研究[J]. 王開宇.  科技資訊. 2016(17)
[3]單目視覺同步定位與地圖創(chuàng)建方法綜述[J]. 顧照鵬,劉宏.  智能系統(tǒng)學報. 2015(04)
[4]基于RGB-D相機的室內(nèi)環(huán)境3D地圖創(chuàng)建[J]. 王亞龍,張奇志,周亞麗.  計算機應(yīng)用研究. 2015(08)
[5]基于視覺詞典的單目視覺閉環(huán)檢測算法[J]. 梁志偉,陳燕燕,朱松豪,高翔,徐國政.  模式識別與人工智能. 2013(06)
[6]結(jié)構(gòu)光數(shù)字柵線法對物體三維形貌的高精度測量[J]. 羅剛銀,唐玉國,喬培玉,王弼陡,賈贊東,徐重.  光譜學與光譜分析. 2012(09)
[7]基于PTGui Pro、Pano2VR的三維全景圖制作方法與應(yīng)用[J]. 葉萍萍,羅宏.  城市勘測. 2012(04)
[8]用PTGui軟件拼接現(xiàn)場全景圖[J]. 莊華.  警察技術(shù). 2010(06)
[9]一種雙目立體視覺相機標定方法[J]. 李春艷,王立,盧欣,陳繼華,范生宏.  空間控制技術(shù)與應(yīng)用. 2010(03)
[10]鏡頭畸變及其校正技術(shù)[J]. 朱錚濤,黎紹發(fā).  光學技術(shù). 2005(01)

博士論文
[1]基于全景視覺的移動機器人SLAM方法研究[D]. 吳葉斌.哈爾濱工程大學 2011

碩士論文
[1]基于立體全景視覺的移動機器人3D SLAM研究[D]. 熊斯睿.哈爾濱工業(yè)大學 2015
[2]基于圖像特征的RGB-D視覺SLAM算法[D]. 宋艷.中國海洋大學 2015
[3]基于局部特征提取匹配的視覺SLAM閉環(huán)檢測方法研究[D]. 楊恒.南華大學 2015
[4]基于全景圖的虛擬現(xiàn)實的研究與實現(xiàn)[D]. 李孟奇.中山大學 2014
[5]移動機器人全景vSLAM研究[D]. 許俊勇.上海交通大學 2008



本文編號：3167606