視覺SLAM作為機器人移動和導(dǎo)航的關(guān)鍵技術(shù)之一,該技術(shù)有著非常廣闊的應(yīng)用前景。而在攝像機視角、光照、氣候、地貌等條件的大幅度變化或者存在快速移動物體的復(fù)雜場景下,視覺SLAM還存在精確性、魯棒性和實時性較低問題,閉環(huán)檢測作為解決SLAM位姿漂移的重要環(huán)節(jié),本文針對閉環(huán)檢測的應(yīng)用特性,提出改進(jìn)Darknet53網(wǎng)絡(luò)損失函數(shù),構(gòu)造一個新的方法。最后為了進(jìn)一步提升本方法的實時性,將該方法與二值化-自編碼器降維方法結(jié)合,已經(jīng)通過實驗證明了本方法的科學(xué)有效性和技術(shù)上的優(yōu)越性。本文的主要工作有以下兩個方面:（1）針對現(xiàn)有基于深度學(xué)習(xí)的閉環(huán)檢測方法提取的特征描述子區(qū)分度不足、維數(shù)過大的問題。對現(xiàn)有深度學(xué)習(xí)方法進(jìn)行了深度分析,用時間和分類效果有著優(yōu)異表現(xiàn)的Darknet53網(wǎng)絡(luò)來代替?zhèn)鹘y(tǒng)閉環(huán)檢測方法進(jìn)行特征提取,并從閉環(huán)檢測問題本身的特點出發(fā),對Darknet53網(wǎng)絡(luò)的損失函數(shù)進(jìn)行改進(jìn),更好的表征閉環(huán)檢測中三重距離約束關(guān)系。對改進(jìn)損失函數(shù)的Darknet53網(wǎng)絡(luò)重新進(jìn)行訓(xùn)練,構(gòu)造了一個新的閉環(huán)檢測方法。通過New College數(shù)據(jù)集和光照及角度變化更明顯的City Centre數(shù)據(jù)集這兩個公開閉環(huán)檢... 

【文章來源】：天津理工大學(xué)天津市

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【部分圖文】：

視覺SLAM系統(tǒng)結(jié)構(gòu)

天津理工大學(xué)碩士學(xué)位論文第二章視覺SLAM與深度學(xué)習(xí)基礎(chǔ)-9-圖2.1ORB特征點提取提取特征點后，下一步將通過特征匹配來得到相機位姿。視覺里程計的優(yōu)劣依賴于特征匹配的效果。常用的特征匹配算法有：暴力匹配[72]、FLANN匹配[73]、K-最近鄰匹配[74]等。第一種匹配方法是一種描述符匹配算法，該算法計算量大，耗時較長，很少在實際應(yīng)用中使用[72]。FLANN算法是根據(jù)圖像本身選取最適合的算法來處理數(shù)據(jù)集，該方法速度快，且當(dāng)來兩幅圖像，有一副圖像出現(xiàn)投影畸變時，仍可以相互匹配。K-最近鄰（knn）匹配是通過馬氏距離等距離度量方法計算訓(xùn)練圖像和測試圖像中每個圖像的距離；將計算得到的距離值排序；選取前k個距離最近的樣本；最后通過給K個樣本的標(biāo)簽投票，獲得最終的分類類別。特征匹配的結(jié)果如圖2.2所示。相機通過匹配的特征點就能找到幀間運動關(guān)系，進(jìn)而得到相機的運動過程[72]。具體過程如下。圖2.2ORB特征匹配結(jié)果假設(shè)兩幀之間的運動為R，t，相機內(nèi)參為k，相機中心為DyDa，對應(yīng)特征點為Py，Pa，那么，P的空間位置為如公式2.1所示。=[,,]TPXYZ（2.1）

天津理工大學(xué)碩士學(xué)位論文第二章視覺SLAM與深度學(xué)習(xí)基礎(chǔ)-9-圖2.1ORB特征點提取提取特征點后，下一步將通過特征匹配來得到相機位姿。視覺里程計的優(yōu)劣依賴于特征匹配的效果。常用的特征匹配算法有：暴力匹配[72]、FLANN匹配[73]、K-最近鄰匹配[74]等。第一種匹配方法是一種描述符匹配算法，該算法計算量大，耗時較長，很少在實際應(yīng)用中使用[72]。FLANN算法是根據(jù)圖像本身選取最適合的算法來處理數(shù)據(jù)集，該方法速度快，且當(dāng)來兩幅圖像，有一副圖像出現(xiàn)投影畸變時，仍可以相互匹配。K-最近鄰（knn）匹配是通過馬氏距離等距離度量方法計算訓(xùn)練圖像和測試圖像中每個圖像的距離；將計算得到的距離值排序；選取前k個距離最近的樣本；最后通過給K個樣本的標(biāo)簽投票，獲得最終的分類類別。特征匹配的結(jié)果如圖2.2所示。相機通過匹配的特征點就能找到幀間運動關(guān)系，進(jìn)而得到相機的運動過程[72]。具體過程如下。圖2.2ORB特征匹配結(jié)果假設(shè)兩幀之間的運動為R，t，相機內(nèi)參為k，相機中心為DyDa，對應(yīng)特征點為Py，Pa，那么，P的空間位置為如公式2.1所示。=[,,]TPXYZ（2.1）

【參考文獻(xiàn)】：
期刊論文
[1]AoA-ToA目標(biāo)跟蹤的偏差補償卡爾曼濾波算法[J]. 林杰,齊望東,劉鵬,趙躍新.  信息與控制. 2020(06)
[2]面向深度學(xué)習(xí)的視覺問答技術(shù)的分析[J]. 王青青,郭星晨,王亞.  阜陽師范大學(xué)學(xué)報(自然科學(xué)版). 2020(04)
[3]移動機器人三維激光SLAM算法研究[J]. 歐陽仕晗,劉振宇,趙怡巍,秦圣然,劉瀟.  微處理機. 2020(05)
[4]基于非監(jiān)督深度學(xué)習(xí)的閉環(huán)檢測方法[J]. 汪丹,石朝俠,王燕清.  計算機科學(xué). 2020(10)
[5]基于圖卷積網(wǎng)格自編碼器的網(wǎng)格參數(shù)化[J]. 高晨.  信息技術(shù)與網(wǎng)絡(luò)安全. 2020(10)
[6]視覺SLAM研究進(jìn)展[J]. 王霞,左一凡.  智能系統(tǒng)學(xué)報. 2020(05)
[7]單機器人SLAM技術(shù)的發(fā)展及相關(guān)主流技術(shù)綜述[J]. 劉明芹,張曉光,徐桂云,李宗周.  計算機工程與應(yīng)用. 2020(18)
[8]無人駕駛車輛視覺SLAM方法綜述[J]. 李希宇,仲首任,馬芳武.  汽車文摘. 2020(07)
[9]點線特征結(jié)合的視覺SLAM閉環(huán)檢測研究[J]. 胡慧娟,李偉,李昂松,韋慶玥.  計量與測試技術(shù). 2020(04)
[10]一種KD樹集成偏標(biāo)記學(xué)習(xí)算法[J]. 盧勇全,劉振丙,顏振翔,方旭升.  桂林電子科技大學(xué)學(xué)報. 2019(06)

碩士論文
[1]基于自編碼器的圖像壓縮算法研究與FPGA實現(xiàn)[D]. 孟磊.西安理工大學(xué) 2020
[2]關(guān)于單目視覺實時定位與建圖中的優(yōu)化算法研究[D]. 李攀偉.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) 2020
[3]移動機器人基于柵格-八叉樹混合地圖的自主環(huán)境探索[D]. 吳桐.大連海事大學(xué) 2020
[4]基于視覺/激光的移動機器人定位與建圖研究[D]. 康璐.東南大學(xué) 2019
[5]基于語義樹的短文本相似度算法研究與應(yīng)用[D]. 郭炳元.湘潭大學(xué) 2019
[6]基于單目視覺與慣導(dǎo)融合的SLAM技術(shù)研究[D]. 王雷.廣東工業(yè)大學(xué) 2019
[7]基于卷積神經(jīng)網(wǎng)絡(luò)的故障分類算法與應(yīng)用[D]. 程誠.浙江理工大學(xué) 2019
[8]基于掃地機器人的SLAM算法研究與實現(xiàn)[D]. 劉智宇.西安電子科技大學(xué) 2019
[9]基于YOLO的雙目圖像匹配方法研究[D]. 牛馨苑.蘭州交通大學(xué) 2019
[10]基于深度置信網(wǎng)絡(luò)的路面裂縫識別算法研究[D]. 王磊.湖北工業(yè)大學(xué) 2018



本文編號：3524544