移動(dòng)機(jī)器人技術(shù)越來越成為萬眾矚目的焦點(diǎn)。在未來,SLAM技術(shù),不僅和無人駕駛結(jié)合方便人們出行,而且與工業(yè)運(yùn)輸相結(jié)合使得無人卡車無人飛機(jī)提高流通效率,也應(yīng)用于VR和AR眼鏡,改變?nèi)藗兩願(yuàn)蕵返慕换ダ砟睢＿@些生活中熟悉的場景,將為會(huì)因這項(xiàng)技術(shù)的進(jìn)步而取得翻天覆地的變化。視覺SLAM目前遇到的挑戰(zhàn)有兩方面:第一是移動(dòng)機(jī)器人持續(xù)運(yùn)動(dòng)視角的動(dòng)態(tài)場景下,如何保持算法系統(tǒng)的穩(wěn)定性,第二是,如何有效的利用從傳感器獲取的豐富的數(shù)據(jù)信息,并在現(xiàn)有的硬件設(shè)備下高效的優(yōu)化計(jì)算結(jié)果。基于以上問題,本文將因子圖模型應(yīng)用于單目視覺的優(yōu)化算法研究,提出了一種信息融合的單目視覺SLAM方法。本論文針對目前視覺同步定位與建圖（SLAM）的視覺里程計(jì)（Visual Odometry）方法在室外動(dòng)態(tài)場景下,視覺前端中特征點(diǎn)信息利用率低,且不足以滿足穩(wěn)定的圖像匹配跟蹤的問題,提出一種結(jié)合特征關(guān)鍵子和直接法灰度匹配方法前端視覺里程計(jì)信息融合方法,使其不僅在快速運(yùn)動(dòng)情況下不再有嚴(yán)重的特征丟失而且降低對灰度不變假設(shè)的依賴,在紋理不足的場景也有較好的穩(wěn)定性。實(shí)驗(yàn)證明,通過前端視覺里程計(jì)對特征點(diǎn)進(jìn)一步簡化,進(jìn)而對像素塊的像素梯度計(jì)算,提... 

【文章來源】：中國科學(xué)院大學(xué)(中國科學(xué)院深圳先進(jìn)技術(shù)研究院)廣東省

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 選題背景
    1.2 研究目的及其意義
    1.3 國內(nèi)外研究現(xiàn)狀分析
        1.3.1 國外研究現(xiàn)狀
        1.3.2 國內(nèi)研究現(xiàn)狀
    1.4 論文主要研究內(nèi)容與創(chuàng)新點(diǎn)
        1.4.1 論文主要研究內(nèi)容
        1.4.2 論文創(chuàng)新點(diǎn)
    1.5 論文章節(jié)安排
第2章 視覺SLAM理論基礎(chǔ)
    2.1 視覺SLAM系統(tǒng)的典型框架與各個(gè)模塊
        2.1.1 獲取數(shù)據(jù)的傳感器類型
        2.1.2 視覺里程計(jì)前端
        2.1.3 視覺SLAM后端
        2.1.4 回環(huán)檢測
        2.1.5 實(shí)時(shí)建圖
    2.2 單目相機(jī)的針孔模型和多視圖幾何下的坐標(biāo)系轉(zhuǎn)換
        2.2.1 單目相機(jī)的針孔模型建模
        2.2.2 多視圖幾何中的坐標(biāo)系轉(zhuǎn)換
    2.3 單目相機(jī)的對極幾何、三角化和去畸化標(biāo)定
        2.3.1 單目相機(jī)的對極幾何原理
        2.3.2 單目相機(jī)的三角化原理
        2.3.3 單目相機(jī)的標(biāo)定去畸變
    2.4 本章小結(jié)
第3章 一種信息融合的視覺里程計(jì)方法和非線性優(yōu)化方案設(shè)計(jì)
    3.1 特征點(diǎn)和直接法的視覺里程計(jì)數(shù)據(jù)關(guān)聯(lián)方式
        3.1.1 多視圖幾何中的特征檢測和特征描述
        3.1.2 基于直接法的視覺里程計(jì)
    3.2 一種單目視覺里程計(jì)信息融合系統(tǒng)設(shè)計(jì)
        3.2.1 特征點(diǎn)的選取與對比實(shí)驗(yàn)
        3.2.2 數(shù)據(jù)處理特征檢測和跟蹤模塊
        3.2.3 本質(zhì)矩陣估計(jì)和求解
        3.2.4 深度估計(jì)與優(yōu)化位姿結(jié)構(gòu)
    3.3 圖優(yōu)化模型在SLAM中的應(yīng)用綜述
        3.3.1 動(dòng)態(tài)貝葉斯圖模型
        3.3.2 馬爾可夫圖模型
        3.3.3 因子圖模型
    3.4 基于因子圖的單目視覺SLAM系統(tǒng)
        3.4.1 概率圖模型的理論推導(dǎo)
        3.4.2 創(chuàng)建因子圖模型并進(jìn)行優(yōu)化計(jì)算
    3.5 本章小結(jié)
第4章 實(shí)驗(yàn)驗(yàn)證與結(jié)果分析
    4.1 基于特征點(diǎn)和像素梯度的視覺里程計(jì)設(shè)計(jì)
    4.2 基于因子圖后端優(yōu)化的單目視覺SLAM設(shè)計(jì)
第5章 總結(jié)與展望
    5.1 研究總結(jié)
    5.2 研究展望
參考文獻(xiàn)
致謝
作者簡歷及攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文與研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于單目視覺的同時(shí)定位與地圖構(gòu)建方法綜述[J]. 劉浩敏,章國鋒,鮑虎軍.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2016(06)
[2]基于圖優(yōu)化的同時(shí)定位與地圖創(chuàng)建綜述[J]. 梁明杰,閔華清,羅榮華.  機(jī)器人. 2013(04)

博士論文
[1]基于單目視覺的實(shí)時(shí)高精度定位方法研究[D]. 劉毅.華中科技大學(xué) 2018
[2]面向復(fù)雜環(huán)境的魯棒高效的三維注冊與結(jié)構(gòu)恢復(fù)[D]. 劉浩敏.浙江大學(xué) 2017
[3]多視圖圖像三維重建若干關(guān)鍵技術(shù)研究[D]. 周駿.電子科技大學(xué) 2013

碩士論文
[1]基于語義信息與多視圖幾何的動(dòng)態(tài)SLAM方法研究[D]. 仲星光.哈爾濱工業(yè)大學(xué) 2019
[2]基于傳感器數(shù)據(jù)融合的單目視覺SLAM方法研究[D]. 王京.清華大學(xué) 2017



本文編號：3200099