機器人即時建圖與地圖構(gòu)建（Simultaneous Localization and Mapping,SLAM）一直以來都是機器人研究中的核心課題。作為機器人最基本的功能,對于環(huán)境的認知程度直接影響到了機器人任務(wù)完成的成功率和復(fù)雜度�；谝曈X傳感器的SLAM研究以其低廉的價格成為了SLAM研究的主流。近年來全景相機隨著虛擬現(xiàn)實（Virtual Reality,VR）技術(shù)的發(fā)展逐漸進入市場,相比普通相機而言,它能一次捕捉所有方向的視覺信息,這給視覺SLAM系統(tǒng)提供了更大的性能提升空間。本文基于全景相機展開全景視覺SLAM系統(tǒng)的研究。全景相機通常由多個廣角鏡頭組成,文中用作實驗的全景相機由兩個背靠背安裝的魚眼鏡頭組成。首先研究魚眼鏡頭的標定,提出了一種圓柱形棋盤格模板進行魚眼鏡頭的徑向畸變校正,根據(jù)映射關(guān)系將球面圖像恢復(fù)成了平面圖像和全景圖像,并用實驗驗證了文中校正方法的有效性。針對SLAM系統(tǒng),優(yōu)先將魚眼圖像恢復(fù)成小孔成像模型下的圖像,將圖像信息對應(yīng)到相機坐標系中。為了滿足大場景的建圖,采用直接法作為本文全景視覺SLAM系統(tǒng)的核心,基于非線性優(yōu)化方法進行狀態(tài)估計。不采用特征點匹配的方式而... 

【文章來源】：北京信息科技大學(xué)北京市

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【部分圖文】：

圓柱形棋盤格模板實拍圖

第 2 章 魚眼圖像的徑向畸變校正際情況設(shè)定一個合適的閾值 h，當直線參數(shù) θ 處在某一值時， 的角點給該直線投一票。通過旋轉(zhuǎn)直線，可以獲得 θ (0,π)時。本實驗將 θ (0,π)平均分成了 200 份，得到了如圖 2.7 所示數(shù)最多的那個點所代表的直線就是我們需要的用于篩選采樣選取可以使得票數(shù)最大值點特別突出。最后以該直線為基準篩的點就能得出表現(xiàn)采樣點的角點，本實驗的篩選結(jié)果示例如圖篩選出的角點進行平均值處理便能得到最終的采樣交點坐標就是圖 2.5(e)中的角點經(jīng)過平均值處理后得到的交點坐標。

平面透視投影面的擺放位置以及投影面的大小選取也與處理圖 2.10(a)時相同。從圖 2.10(f)中可以看出，原本在空間中屬于直線的景物在圖 2.10(d)中所成的像也得到了很好地恢復(fù)，符合人眼的視覺特性。在上述兩個實驗中，調(diào)整 θ1與 θ2的值可以改變投影面的位置，獲取不同角度的校正圖像，進而完成對整幅魚眼圖像的校正，這里由于篇幅限制不將實驗結(jié)果一一列出。圖 2.10(g)、(h)為�？低曯~眼相機自帶校正功能對圖 2.10(d)所得的校正效果截圖，從圖中可看出魚眼圖像本身所產(chǎn)生的畸變沒有得到很好的恢復(fù)，場景中的門窗等處在魚眼圖像邊緣的景物所成的像還存在著一定程度的扭曲。圖 2.10(i)是運用文獻[47]中提出的雙經(jīng)度模型對圖 2.10(d)進行校正得到的效果圖�；陔p經(jīng)度模型的魚眼圖像校正方法是一種直接校正法，也就是舍去了標定過程，雖然實現(xiàn)起來簡單，但此方法的運用范圍有限，并不是對所有的鏡頭都適用。從圖 2.10(i)中可以看出處于魚眼圖像邊緣的畸變沒有得到很好的恢復(fù)且單次校正視場較大使得校正結(jié)果不是很理想。相比而言本文提出的基于圓柱形黑白格模板的校正方案實現(xiàn)起來并不復(fù)雜，結(jié)合本文 4.1 節(jié)介紹的投影面可以得到理想的校正效果。

【參考文獻】：
期刊論文
[1]基于SLAM算法和深度神經(jīng)網(wǎng)絡(luò)的語義地圖構(gòu)建研究[J]. 白云漢.  計算機應(yīng)用與軟件. 2018(01)
[2]RGB-D SLAM綜述[J]. 王旒軍,陳家斌,余歡,朱匯申.  導(dǎo)航定位與授時. 2017(06)
[3]基于深度學(xué)習(xí)的視覺SLAM綜述[J]. 趙洋,劉國良,田國會,羅勇,王梓任,張威,李軍偉.  機器人. 2017(06)
[4]一種采用圖像特征匹配技術(shù)的RGB-D SLAM算法[J]. 許曉東,陳國良,李曉園,周文振,杜珊珊.  測繪通報. 2017(10)
[5]基于改進關(guān)鍵幀選擇的RGB-D SLAM算法[J]. 李弋星,劉士榮,仲朝亮,王堅.  大連理工大學(xué)學(xué)報. 2017(04)
[6]魚眼鏡頭徑向畸變的校正方法[J]. 宋陽,周亞麗,張奇志.  儀器儀表學(xué)報. 2017(04)
[7]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)
[8]基于全景視覺機器人的粒子群優(yōu)化FastSLAM算法研究[J]. 王開宇.  科技創(chuàng)新與應(yīng)用. 2016(24)
[9]基于雙經(jīng)度模型的魚眼圖像畸變矯正方法[J]. 魏利勝,周圣文,張平改,孫駟洲.  儀器儀表學(xué)報. 2015(02)
[10]一種擴展小孔成像模型的魚眼相機矯正與標定方法[J]. 涂波,劉璐,劉一會,金野,湯俊雄.  自動化學(xué)報. 2014(04)

博士論文
[1]自主導(dǎo)航智能農(nóng)業(yè)車輛的全景視覺系統(tǒng)關(guān)鍵技術(shù)研究[D]. 李盛輝.南京農(nóng)業(yè)大學(xué) 2016
[2]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(xué) 2011
[3]基于全景視覺的移動機器人同時定位與地圖創(chuàng)建方法研究[D]. 王玉全.哈爾濱工程大學(xué) 2010

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(xué) 2015
[2]基于全景視覺的機器人SLAM方法研究[D]. 吳子章.東北大學(xué) 2012
[3]全景移動機器人SLAM關(guān)鍵技術(shù)研究[D]. 刁國軍.東北大學(xué) 2010
[4]基于全景視覺的單目SLAM系統(tǒng)[D]. 高明.合肥工業(yè)大學(xué) 2009
[5]移動機器人全景vSLAM研究[D]. 許俊勇.上海交通大學(xué) 2008



本文編號：3284526