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。如利用無人機進行攝影測量,利用自主導航無人車進行城市級的高精度地圖測繪等等,這些新興技術無不給傳統(tǒng)行業(yè)帶來巨大變革。由于GPS、慣導等的弊端,因此尋找一種有效的方法以解決定位導航問題,顯得尤其重要。同時定位與地圖構建（Simultaneous Localization And Mapping,SLAM）技術是無人設備實現(xiàn)自主定位導航的關鍵技術。其搭載的相機傳感器因諸多優(yōu)點廣受研究者的青睞,因此本文主要著眼于單目視覺SLAM技術在無人移動小車上的應用,基于ORB-SLAM算法,在分析國內外相關文獻的基礎上開展了如下工作:1)針對SLAM的理論基礎,討論了三維歐氏空間的旋轉平移表示,在流形上討論李群與李代數(shù)的關系,隨后研究了針孔相機成像模型,同時討論了視覺SLAM中的前端數(shù)據(jù)關聯(lián),后端圖優(yōu)化模型以及閉環(huán)檢測模塊。最后針對針孔相機模型,結合深度圖進行了局部場景重建實驗。2)針對現(xiàn)有系統(tǒng)中特征提取部分問題,進行了一定程度的改進。首先分析了較為優(yōu)秀的角點計算與描述算法,研究了一種組合式的OFAST+BRISK特征提取算法,對于BRIEF描述... 

【文章來源】：東華理工大學江西省

【文章頁數(shù)】：95 頁

【學位級別】：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 國內研究現(xiàn)狀
        1.2.3 SLAM的分類
    1.3 SLAM技術在測繪領域中的應用
    1.4 本文主要研究內容
2 視覺SLAM中的數(shù)學基礎及框架
    2.1 三維空間變換及李群李代數(shù)
        2.1.1 齊次坐標與空間變換
        2.1.2 李群及李代數(shù)
    2.2 相機成像原理
    2.3 主流視覺SLAM框架
        2.3.1 前端跟蹤模塊
        2.3.2 閉環(huán)檢測模塊
        2.3.3 后端優(yōu)化模塊
    2.4 相機模型實驗
    2.5 本章小結
3 系統(tǒng)中改進的特征檢測算法研究
    3.1 特征定位
    3.2 特征描述
        3.2.1 浮點值特征描述
        3.2.2 二進制特征描述
    3.3 改進的組合式特征檢測算法
        3.3.1 OFAST算法
        3.3.2 組合式特征檢測算法流程
    3.4 特征匹配與篩選
        3.4.1 特征匹配判斷方法與準則
        3.4.2 特征精匹配過濾
    3.5特征匹配算法對比實驗
        3.5.1 兩幀圖像匹配對比實驗
        3.5.2 特征匹配算法不變性對比實驗
    3.6 本章小結
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 基于評分策略的系統(tǒng)初始化
        4.2.1 基于統(tǒng)計的模型選擇方法
        4.2.2 單應矩陣模型的計算
        4.2.3 基礎矩陣模型的計算
        4.2.4 單目視覺 SLAM 的地圖初始化實驗
    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
        4.4.1 關鍵幀選擇策略
        4.4.2 基于詞袋模型的閉環(huán)檢測
    4.5 實驗與分析
        4.5.1 基于 g2o 的后端優(yōu)化實驗
        4.5.2 視覺詞典的訓練及相似性檢測實驗
        4.5.3 TUM 數(shù)據(jù)集上的閉環(huán)檢測實驗
    4.6 本章小結
5 實驗及分析
    5.1 相機標定實驗
    5.2 系統(tǒng)中改進的特征檢測算法實驗
    5.3 系統(tǒng)前端并行加速性能實驗
    5.4 室內TUM數(shù)據(jù)集上的測試
    5.5 室外大場景的視覺定位測圖實驗
        5.5.1 KITTI數(shù)據(jù)集的測試
        5.5.2 室外移動機器人定位測試
    5.6 本章小結
6 總結與展望
    6.1 論文總結
    6.2 論文主要創(chuàng)新點
    6.3 論文展望
致謝
參考文獻
攻讀碩士學位期間完成成果


【參考文獻】：
期刊論文
[1]SLAM技術及其在測繪領域中的應用[J]. 黃鶴,佟國峰,夏亮,李勇,岳曉陽,姜斌.  測繪通報. 2018(03)
[2]基于單目視覺的同時定位與地圖構建方法綜述[J]. 劉浩敏,章國鋒,鮑虎軍.  計算機輔助設計與圖形學學報. 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.  計算機技術與發(fā)展. 2012(06)
[4]基于2點RANSAC的無人直升機單目視覺SLAM[J]. 徐偉杰,李平,韓波.  機器人. 2012(01)
[5]基于概率選取隨機特征點的單目視覺SLAM方法[J]. 趙立坤,武二永,郭燚平,戴國駿.  機器人. 2010(05)

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



本文編號：3619059