基于視覺的語義SLAM關鍵技術研究
發(fā)布時間：2021-07-06 18:04
語義SLAM是在同時定位與地圖構建技術的基礎上,應用人工智能（AI）技術進行語義分割,能夠?qū)崿F(xiàn)場景幾何信息和語義信息的同步獲取,對于提升機器人或無人系統(tǒng)的智能自主導航能力具有重要意義。本文以視覺傳感器作為信息源,對語義SLAM所涉及的關鍵技術進行深入研究,主要內(nèi)容和創(chuàng)新點如下:（1）總結了視覺SLAM相關技術的發(fā)展歷程,介紹了視覺SLAM的系統(tǒng)框架,闡述了視覺SLAM所涉及的基礎理論。（2）針對RGB-D SLAM在構建稠密點云地圖時冗余信息過多并且會出現(xiàn)殘影的問題,提出了一種基于查找表的SLAM構圖方法。該方法首先對圖像進行分割,估計圖像的八鄰域運動方向,然后在構建場景地圖時利用圖像的運動方向進行構圖的優(yōu)化。實驗證明它可以提高相機位姿的解算精度,大幅提高構建地圖的速度,同時可以有效提高地圖的質(zhì)量。（3）針對目前的視覺SLAM系統(tǒng)在動態(tài)場景中適應性差的問題,提出了一種基于查找表和光流法相結合的去除動態(tài)目標影響的方法。該方法應用光流檢測場景中的動態(tài)目標,采用查找表來進行場景的地圖構建。實驗證明該方法可以快速剔除場景中的移動物體,提高動態(tài)場景下視覺SLAM的性能。（4）研究了基于深度學習的...
【文章來源】：戰(zhàn)略支援部隊信息工程大學河南省
【文章頁數(shù)】：77 頁
【學位級別】：碩士
【部分圖文】：
SLAM應用領域
1.2 智能自主導航和視覺 SLAM 概述1.2.1 智能自主導航概述如圖 1.2 所示，目前一般通過 GPS/INS，視覺等多傳感器組合的方式來進行機器人狀態(tài)估計。但是只有機器人自身狀態(tài)的準確估計對實現(xiàn)機器人的智能自主導航還遠遠不在此基礎上還需進行障礙物檢測，環(huán)境地圖構建，以及目標識別，最后再通過機器人自的感知器來綜合所有信息，以達到一種態(tài)勢感知的能力。態(tài)勢感知主要是幫助機器人可很好的理解自己和周圍環(huán)境的相互關系，而智能自主導航還要求機器人可以智能自主的出決策。首先機器人需要明確自己要做什么。通過在態(tài)勢感知的條件下機器人可以進行理與認知，然后做出高級語義決策，任務規(guī)劃以及執(zhí)行監(jiān)控等，然后再通過中級決策進路徑規(guī)劃，最后再做出底層的指令決策，如航點序列以及軌跡的生成等。這樣，在機器對自身位置以及周圍環(huán)境有了一定認識，并且知道自己要做什么，以及如何去做的情況下就可以進一步的對三維位置，速度，姿態(tài)等導航參數(shù)加以控制，最終實現(xiàn)機器人的智能主導航。
圖 1.3 傳統(tǒng)導航方式.2.2 視覺 SLAM 概述同時定位與地圖構建（Simultaneous Localization and Mapping，SLAM）經(jīng)過三十的不斷發(fā)展，現(xiàn)在已經(jīng)成為機器人領域和計算機視覺領域最火熱的研究方向。如圖 1示，它是目前機器人智能自主導航，無人車自動駕駛，以及增強現(xiàn)實（AR）/虛擬現(xiàn)實（VR虛擬場景導航的核心技術，并且在古文物保護，三維數(shù)字化城市以及三維地圖構建等都有廣泛應用。如圖 1.5 所示，它主要解決 2 個問題：定位和構圖。定位主要解決的己在哪里的問題，而構圖主要解決的是獲取周圍環(huán)境的幾何信息。因為要知道自己在中的位置，就必須先有精確的地圖。而要構建精確的地圖又必須先有精確的位置信息以定位與構圖其實是相互影響，緊密關聯(lián)的。在已有高精度地圖的條件下進行定位和有高精度位姿信息的條件下進行構圖都是比較容易實現(xiàn)的，但如果沒有地圖去進行定者沒有位置信息去進行構圖就如同“先有雞和先有蛋”的問題，傳統(tǒng)的導航定位與構法都無從下手。而 SLAM 方法則通過同時最小化兩者的誤差來解決這個問題，在得到位同時也得到了地圖信息。
【參考文獻】：
期刊論文
[1]一種基于LK光流的動態(tài)場景SLAM新方法[J]. 王澤民,李建勝,王安成,程相博. 測繪科學技術學報. 2018(02)
[2]基于飛行時間法的紅外相機研究綜述[J]. 郭寧博,陳向?qū)?薛俊詩. 兵器裝備工程學報. 2017(03)
[3]基于光束平差法的雙目視覺里程計研究[J]. 羅楊宇,劉宏林. 控制與決策. 2016(11)
[4]CMOS與CCD圖像傳感器的比較研究和發(fā)展趨勢[J]. 王旭東,葉玉堂. 電子設計工程. 2010(11)
碩士論文
[1]基于結構光和雙目視覺的三維重建系統(tǒng)研究[D]. 趙煥謙.哈爾濱工業(yè)大學 2017
本文編號：3268718
【文章來源】：戰(zhàn)略支援部隊信息工程大學河南省
【文章頁數(shù)】：77 頁
【學位級別】：碩士
【部分圖文】：
SLAM應用領域
1.2 智能自主導航和視覺 SLAM 概述1.2.1 智能自主導航概述如圖 1.2 所示，目前一般通過 GPS/INS，視覺等多傳感器組合的方式來進行機器人狀態(tài)估計。但是只有機器人自身狀態(tài)的準確估計對實現(xiàn)機器人的智能自主導航還遠遠不在此基礎上還需進行障礙物檢測，環(huán)境地圖構建，以及目標識別，最后再通過機器人自的感知器來綜合所有信息，以達到一種態(tài)勢感知的能力。態(tài)勢感知主要是幫助機器人可很好的理解自己和周圍環(huán)境的相互關系，而智能自主導航還要求機器人可以智能自主的出決策。首先機器人需要明確自己要做什么。通過在態(tài)勢感知的條件下機器人可以進行理與認知，然后做出高級語義決策，任務規(guī)劃以及執(zhí)行監(jiān)控等，然后再通過中級決策進路徑規(guī)劃，最后再做出底層的指令決策，如航點序列以及軌跡的生成等。這樣，在機器對自身位置以及周圍環(huán)境有了一定認識，并且知道自己要做什么，以及如何去做的情況下就可以進一步的對三維位置，速度，姿態(tài)等導航參數(shù)加以控制，最終實現(xiàn)機器人的智能主導航。
圖 1.3 傳統(tǒng)導航方式.2.2 視覺 SLAM 概述同時定位與地圖構建（Simultaneous Localization and Mapping，SLAM）經(jīng)過三十的不斷發(fā)展，現(xiàn)在已經(jīng)成為機器人領域和計算機視覺領域最火熱的研究方向。如圖 1示，它是目前機器人智能自主導航，無人車自動駕駛，以及增強現(xiàn)實（AR）/虛擬現(xiàn)實（VR虛擬場景導航的核心技術，并且在古文物保護，三維數(shù)字化城市以及三維地圖構建等都有廣泛應用。如圖 1.5 所示，它主要解決 2 個問題：定位和構圖。定位主要解決的己在哪里的問題，而構圖主要解決的是獲取周圍環(huán)境的幾何信息。因為要知道自己在中的位置，就必須先有精確的地圖。而要構建精確的地圖又必須先有精確的位置信息以定位與構圖其實是相互影響，緊密關聯(lián)的。在已有高精度地圖的條件下進行定位和有高精度位姿信息的條件下進行構圖都是比較容易實現(xiàn)的，但如果沒有地圖去進行定者沒有位置信息去進行構圖就如同“先有雞和先有蛋”的問題，傳統(tǒng)的導航定位與構法都無從下手。而 SLAM 方法則通過同時最小化兩者的誤差來解決這個問題，在得到位同時也得到了地圖信息。
【參考文獻】：
期刊論文
[1]一種基于LK光流的動態(tài)場景SLAM新方法[J]. 王澤民,李建勝,王安成,程相博. 測繪科學技術學報. 2018(02)
[2]基于飛行時間法的紅外相機研究綜述[J]. 郭寧博,陳向?qū)?薛俊詩. 兵器裝備工程學報. 2017(03)
[3]基于光束平差法的雙目視覺里程計研究[J]. 羅楊宇,劉宏林. 控制與決策. 2016(11)
[4]CMOS與CCD圖像傳感器的比較研究和發(fā)展趨勢[J]. 王旭東,葉玉堂. 電子設計工程. 2010(11)
碩士論文
[1]基于結構光和雙目視覺的三維重建系統(tǒng)研究[D]. 趙煥謙.哈爾濱工業(yè)大學 2017
本文編號：3268718
本文鏈接：http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3268718.html
最近更新
教材專著
