近些年,隨著人工智能行業(yè)的興起,傳統(tǒng)行業(yè)逐漸擁抱新技術(shù)。如利用無人機(jī)進(jìn)行攝影測(cè)量,利用自主導(dǎo)航無人車進(jìn)行城市級(jí)的高精度地圖測(cè)繪等等,這些新興技術(shù)無不給傳統(tǒng)行業(yè)帶來巨大變革。由于GPS、慣導(dǎo)等的弊端,因此尋找一種有效的方法以解決定位導(dǎo)航問題,顯得尤其重要。同時(shí)定位與地圖構(gòu)建（Simultaneous Localization And Mapping,SLAM）技術(shù)是無人設(shè)備實(shí)現(xiàn)自主定位導(dǎo)航的關(guān)鍵技術(shù)。其搭載的相機(jī)傳感器因諸多優(yōu)點(diǎn)廣受研究者的青睞,因此本文主要著眼于單目視覺SLAM技術(shù)在無人移動(dòng)小車上的應(yīng)用,基于ORB-SLAM算法,在分析國內(nèi)外相關(guān)文獻(xiàn)的基礎(chǔ)上開展了如下工作:1)針對(duì)SLAM的理論基礎(chǔ),討論了三維歐氏空間的旋轉(zhuǎn)平移表示,在流形上討論李群與李代數(shù)的關(guān)系,隨后研究了針孔相機(jī)成像模型,同時(shí)討論了視覺SLAM中的前端數(shù)據(jù)關(guān)聯(lián),后端圖優(yōu)化模型以及閉環(huán)檢測(cè)模塊。最后針對(duì)針孔相機(jī)模型,結(jié)合深度圖進(jìn)行了局部場(chǎng)景重建實(shí)驗(yàn)。2)針對(duì)現(xiàn)有系統(tǒng)中特征提取部分問題,進(jìn)行了一定程度的改進(jìn)。首先分析了較為優(yōu)秀的角點(diǎn)計(jì)算與描述算法,研究了一種組合式的OFAST+BRISK特征提取算法,對(duì)于BRIEF描述... 

【文章來源】：東華理工大學(xué)江西省

【文章頁數(shù)】：95 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景及意義
    1.2 視覺SLAM的研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
        1.2.3 SLAM的分類
    1.3 SLAM技術(shù)在測(cè)繪領(lǐng)域中的應(yīng)用
    1.4 本文主要研究內(nèi)容
2 視覺SLAM中的數(shù)學(xué)基礎(chǔ)及框架
    2.1 三維空間變換及李群李代數(shù)
        2.1.1 齊次坐標(biāo)與空間變換
        2.1.2 李群及李代數(shù)
    2.2 相機(jī)成像原理
    2.3 主流視覺SLAM框架
        2.3.1 前端跟蹤模塊
        2.3.2 閉環(huán)檢測(cè)模塊
        2.3.3 后端優(yōu)化模塊
    2.4 相機(jī)模型實(shí)驗(yàn)
    2.5 本章小結(jié)
3 系統(tǒng)中改進(jìn)的特征檢測(cè)算法研究
    3.1 特征定位
    3.2 特征描述
        3.2.1 浮點(diǎn)值特征描述
        3.2.2 二進(jìn)制特征描述
    3.3 改進(jìn)的組合式特征檢測(cè)算法
        3.3.1 OFAST算法
        3.3.2 組合式特征檢測(cè)算法流程
    3.4 特征匹配與篩選
        3.4.1 特征匹配判斷方法與準(zhǔn)則
        3.4.2 特征精匹配過濾
    3.5特征匹配算法對(duì)比實(shí)驗(yàn)
        3.5.1 兩幀圖像匹配對(duì)比實(shí)驗(yàn)
        3.5.2 特征匹配算法不變性對(duì)比實(shí)驗(yàn)
    3.6 本章小結(jié)
4 單目視覺SLAM系統(tǒng)搭建
    4.1 SLAM系統(tǒng)前端加速研究
        4.1.1 并行化分析
        4.1.2 系統(tǒng)前端特征提取加速研究
    4.2 基于評(píng)分策略的系統(tǒng)初始化
        4.2.1 基于統(tǒng)計(jì)的模型選擇方法
        4.2.2 單應(yīng)矩陣模型的計(jì)算
        4.2.3 基礎(chǔ)矩陣模型的計(jì)算
        4.2.4 單目視覺 SLAM 的地圖初始化實(shí)驗(yàn)
    4.3 單目視覺SLAM的后端優(yōu)化研究
        4.3.1 基于因子圖的圖優(yōu)化問題建模方法研究
        4.3.2 基于L-M算法的局部圖優(yōu)化研究
        4.3.3 基于Sim(3)的閉環(huán)及全局優(yōu)化研究
    4.4 視覺SLAM中的閉環(huán)檢測(cè)
        4.4.1 關(guān)鍵幀選擇策略
        4.4.2 基于詞袋模型的閉環(huán)檢測(cè)
    4.5 實(shí)驗(yàn)與分析
        4.5.1 基于 g2o 的后端優(yōu)化實(shí)驗(yàn)
        4.5.2 視覺詞典的訓(xùn)練及相似性檢測(cè)實(shí)驗(yàn)
        4.5.3 TUM 數(shù)據(jù)集上的閉環(huán)檢測(cè)實(shí)驗(yàn)
    4.6 本章小結(jié)
5 實(shí)驗(yàn)及分析
    5.1 相機(jī)標(biāo)定實(shí)驗(yàn)
    5.2 系統(tǒng)中改進(jìn)的特征檢測(cè)算法實(shí)驗(yàn)
    5.3 系統(tǒng)前端并行加速性能實(shí)驗(yàn)
    5.4 室內(nèi)TUM數(shù)據(jù)集上的測(cè)試
    5.5 室外大場(chǎng)景的視覺定位測(cè)圖實(shí)驗(yàn)
        5.5.1 KITTI數(shù)據(jù)集的測(cè)試
        5.5.2 室外移動(dòng)機(jī)器人定位測(cè)試
    5.6 本章小結(jié)
6 總結(jié)與展望
    6.1 論文總結(jié)
    6.2 論文主要?jiǎng)?chuàng)新點(diǎn)
    6.3 論文展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間完成成果


【參考文獻(xiàn)】：
期刊論文
[1]SLAM技術(shù)及其在測(cè)繪領(lǐng)域中的應(yīng)用[J]. 黃鶴,佟國峰,夏亮,李勇,岳曉陽,姜斌.  測(cè)繪通報(bào). 2018(03)
[2]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)
[3]單目視覺定位中SURF算法參數(shù)的優(yōu)化[J]. 趙立雙,馮瑩,曹毓.  計(jì)算機(jī)技術(shù)與發(fā)展. 2012(06)
[4]基于2點(diǎn)RANSAC的無人直升機(jī)單目視覺SLAM[J]. 徐偉杰,李平,韓波.  機(jī)器人. 2012(01)
[5]基于概率選取隨機(jī)特征點(diǎn)的單目視覺SLAM方法[J]. 趙立坤,武二永,郭燚平,戴國駿.  機(jī)器人. 2010(05)

碩士論文
[1]基于點(diǎn)線綜合特征的雙目視覺SLAM方法[D]. 謝曉佳.浙江大學(xué) 2017



本文編號(hào)：3619059