視覺(jué)里程計(jì)是同時(shí)定位與地圖構(gòu)建（簡(jiǎn)稱(chēng)SLAM）系統(tǒng)中的關(guān)鍵技術(shù)。SLAM中視覺(jué)里程計(jì)包括特征提取、特征匹配、幀間估計(jì)三部分。特征提取的穩(wěn)定性和幀間估計(jì)的準(zhǔn)確性直接影響SLAM系統(tǒng)的性能。由于受噪聲、光照等不確定因素的影響以及特征點(diǎn)類(lèi)型、數(shù)量的約束,傳統(tǒng)基于人工的特征提取方法具有一定局限性。近來(lái),有學(xué)者開(kāi)始研究用卷積神經(jīng)網(wǎng)絡(luò)替代傳統(tǒng)人工的方法提取特征和估計(jì)幀間運(yùn)動(dòng)。但是卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜,需要龐大的訓(xùn)練數(shù)據(jù)集來(lái)訓(xùn)練。目前并不存在解決視覺(jué)里程計(jì)的訓(xùn)練數(shù)據(jù)集,針對(duì)這個(gè)問(wèn)題本文設(shè)計(jì)了特征提取和幀間估計(jì)的訓(xùn)練數(shù)據(jù)集,來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)。第一個(gè)神經(jīng)網(wǎng)絡(luò)完成特征點(diǎn)的提取,第二個(gè)神經(jīng)網(wǎng)絡(luò)是對(duì)提取的特征點(diǎn)進(jìn)行匹配、估計(jì)幀間變換關(guān)系。第一個(gè)神經(jīng)網(wǎng)絡(luò)對(duì)圖片序列中單張圖片進(jìn)行處理,提取圖片的角點(diǎn)特征。角點(diǎn)特征位置明確,是具有代表性的穩(wěn)定可靠的特征。傳統(tǒng)人工提取方法,提取的特征點(diǎn)數(shù)量太多,并且提取的是類(lèi)角點(diǎn)特征而不是準(zhǔn)確的角點(diǎn)特征。本文通過(guò)對(duì)經(jīng)典VGG類(lèi)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行調(diào)整,來(lái)提取圖像的特征點(diǎn)。為了確保提取穩(wěn)定的角點(diǎn)特征,本文用OpenCV函數(shù)產(chǎn)生了數(shù)以萬(wàn)計(jì)的幾何圖片來(lái)訓(xùn)練網(wǎng)絡(luò)結(jié)構(gòu)。本文還將該網(wǎng)絡(luò)與經(jīng)典角點(diǎn)檢測(cè)器... 

【文章來(lái)源】：山東科技大學(xué)山東省

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１．３視覺(jué)里程計(jì)系統(tǒng)基本流程??Ｆｉｇ．?１．３?Ｂａｓｉｃ?ｆｌｏｗ?ｏｆ?ｖｉｓｉｏｎ?ｏｄｏｍｅｔｅｒ?ｓｙｓｔｅｍ??

以大致分為輸入層、隱含層、輸出層。相鄰的兩層神經(jīng)元之間全都有連接的被??稱(chēng)之為全連接神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)中不存在循環(huán)，且同一層神經(jīng)元也不存在連??接。其結(jié)構(gòu)示意圖如圖２．２。??輸入層一一??隱ｉ層?隱含層??圖２．２神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖??Ｆｉｇ．?２．２?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ?ｓｔｒｕｃｔｕｒｅ??１１??

??Ｘ〇?＝?－ｌ??圖２．１神經(jīng)元示意圖??Ｆｉｇ．?２．１?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｎｅｕｒｏｎｓ??２．２．２神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)??神經(jīng)網(wǎng)絡(luò)可以看成是一定數(shù)量的神經(jīng)元按照一定規(guī)則排列連接形成的，可??以大致分為輸入層、隱含層、輸出層。相鄰的兩層神經(jīng)元之間全都有連接的被??稱(chēng)之為全連接神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)中不存在循環(huán)，且同一層神經(jīng)元也不存在連??接。其結(jié)構(gòu)示意圖如圖２．２。??輸入層一一??隱ｉ層?隱含層??圖２．２神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖??Ｆｉｇ．?２．２?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ?ｓｔｒｕｃｔｕｒｅ??１１??

【參考文獻(xiàn)】：
期刊論文
[1]車(chē)載視覺(jué)里程計(jì)發(fā)展現(xiàn)狀與趨勢(shì)研究[J]. 吳騰,趙軍陽(yáng),張志利,路志勇,常振軍.  電光與控制. 2017(10)
[2]檢測(cè)圖像角點(diǎn)自適應(yīng)確定跟蹤模板的方法[J]. 王德勝,吳鐘建,姚秀娟,金代中,盧宏超.  紅外技術(shù). 2017(07)
[3]基于改進(jìn)Harris-SIFT算子的快速圖像配準(zhǔn)算法[J]. 許佳佳,張葉,張赫.  電子測(cè)量與儀器學(xué)報(bào). 2015(01)
[4]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)
[5]基于Harris與改進(jìn)SIFT算法的圖像匹配算法[J]. 馮政壽,王美清.  福州大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(02)

博士論文
[1]車(chē)輛運(yùn)動(dòng)特性約束的智能車(chē)輛視覺(jué)里程計(jì)系統(tǒng)研究[D]. 江燕華.北京理工大學(xué) 2014

碩士論文
[1]圖像角點(diǎn)提取及匹配方法的研究[D]. 高建林.南京航空航天大學(xué) 2016
[2]基于單目視覺(jué)的四旋翼無(wú)人機(jī)位姿估計(jì)與控制[D]. 宋昱慧.哈爾濱工業(yè)大學(xué) 2016
[3]室外機(jī)器人單目視覺(jué)里程計(jì)研究[D]. 段京易.南京信息工程大學(xué) 2014
[4]基于特征點(diǎn)提取的單目視覺(jué)里程計(jì)的研究[D]. 呂強(qiáng).浙江大學(xué) 2007



本文編號(hào)：3513702