機器人在陌生環(huán)境下通過傳感器數(shù)據(jù)計算當(dāng)前所處的位置與環(huán)境地圖,被稱為同時定位與地圖構(gòu)建問題（簡稱SLAM）。在基于視覺的SLAM中,機器人位姿通常根據(jù)相鄰時刻的兩幀圖像由對極約束計算所得。由于當(dāng)前位姿是由上一幀位姿與轉(zhuǎn)換矩陣相乘得來,因此誤差會逐漸累積并傳遞給下一幀。通常使用閉環(huán)檢測算法,識別機器人當(dāng)前位置是否出現(xiàn)在在歷史運動軌跡中,從而在位姿計算的圖優(yōu)化中添加約束,以此抑制累積誤差的增長對最終計算結(jié)果的影響。VSLAM中閉環(huán)檢測通常使用基于單目攝像頭獲得的彩色圖像,然而由于二維彩色圖像描述子受視角變化與光照影響較大,在場景變換的情況下容易產(chǎn)生誤判,而誤匹配帶來的損失遠大于正常的誤差計算,對成圖影響很大。在綜合分析閉環(huán)檢測算法的研究現(xiàn)狀后,基于彩色深度信息提出了一種三維的全局特征向量匹配方法,使用TUM數(shù)據(jù)集驗證了方法的有效性。工作內(nèi)容主要包括以下幾個方面。首先使用深度圖像獲取世界坐標(biāo)系下點云數(shù)據(jù),根據(jù)深度圖像坐標(biāo)對應(yīng)關(guān)系,建立大量的匹配點對,然后提取匹配點對附近區(qū)域的點云數(shù)據(jù)轉(zhuǎn)換為TSDF（Truncated Signed Distance Function）模型,通過對大量數(shù)據(jù)的處... 

【文章頁數(shù)】：54 頁

【學(xué)位級別】：碩士

【部分圖文】：

TSDF模型示意圖

三維TSDF模型示意圖

彩色深度圖與點云、TSDF模型對比

【參考文獻】：
期刊論文
[1]圖像分類中基于分類矢量量化的視覺詞袋模型[J]. 王嬌,羅四維,鄒琪.  計算機工程與應(yīng)用. 2019(10)
[2]復(fù)雜環(huán)境下視覺SLAM閉環(huán)檢測方法綜述[J]. 劉強,段富海,桑勇,趙健龍.  機器人. 2019(01)
[3]基于精簡卷積神經(jīng)網(wǎng)絡(luò)的快速閉環(huán)檢測方法[J]. 何元烈,陳佳騰,曾碧.  計算機工程. 2018(06)
[4]基于改進的BoVW模型的圖像檢索方法研究[J]. 陳瑞文.  重慶科技學(xué)院學(xué)報(自然科學(xué)版). 2015(05)

碩士論文
[1]基于RGB-D圖像的SLAM閉環(huán)檢測方法研究[D]. 孫旻喆.燕山大學(xué) 2014



本文編號：3695511