目前的視覺SLAM算法大部分是基于靜態(tài)環(huán)境的假設(shè)下進(jìn)行設(shè)計的,其在動態(tài)環(huán)境下的魯棒性與精度較差,原因在于場景中的運(yùn)動物體會造成位姿估計過程中特征的誤匹配,進(jìn)而影響其定位精度與建圖準(zhǔn)確性,因此需要對動態(tài)環(huán)境進(jìn)行處理。然而,現(xiàn)有的動態(tài)環(huán)境下SLAM算法存在準(zhǔn)確度低與實(shí)時性較差的問題。因此本課題針對態(tài)環(huán)境進(jìn)行SLAM算法設(shè)計,在保證實(shí)時性的基礎(chǔ)上提升SLAM系統(tǒng)在動態(tài)環(huán)境下的定位精度,并由此改進(jìn)的SLAM系統(tǒng)獲得動態(tài)環(huán)境的語義地圖。首先,從移動機(jī)器人位姿估計的角度分析了動態(tài)環(huán)境對SLAM算法的影響,結(jié)合語義分割與光流法,設(shè)計了動態(tài)環(huán)境下的運(yùn)動物體處理算法。針對目前的運(yùn)動物體檢測算法進(jìn)行分析,利用稀疏LK光流檢測場景中物體的運(yùn)動信息,同時采用圖像語義分割獲取場景中潛在運(yùn)動物體準(zhǔn)確的位置區(qū)域,結(jié)合二者信息進(jìn)行運(yùn)動物體的輪廓區(qū)域提取。在后續(xù)的同步定位與建圖過程,去除運(yùn)動物體區(qū)域的特征點(diǎn)與空間點(diǎn),降低其對SLAM系統(tǒng)定位與建圖的影響。并通過實(shí)驗驗證了本文運(yùn)動物體處理算法的有效性與實(shí)時性。其次,針對運(yùn)動物體處理環(huán)節(jié)的圖像語義分割任務(wù),設(shè)計了基于卷積的圖像語義分割網(wǎng)絡(luò)。SLAM算法應(yīng)用于實(shí)際環(huán)境對于實(shí)時...

【文章頁數(shù)】：79 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 視覺SLAM研究現(xiàn)狀
        1.2.2 動態(tài)環(huán)境下的SLAM研究現(xiàn)狀
        1.2.3 圖像語義分割研究現(xiàn)狀
        1.2.4 語義SLAM研究現(xiàn)狀
    1.3 課題來源
    1.4 主要研究內(nèi)容
第2章 基于語義分割與光流的運(yùn)動物體處理算法設(shè)計
    2.1 引言
    2.2 運(yùn)動物體對SLAM算法的影響分析
        2.2.1 視覺SLAM算法的位姿估計
        2.2.2 運(yùn)動物體對SLAM算法的影響分析
    2.3 運(yùn)動物體處理算法設(shè)計
        2.3.1 算法框架
        2.3.2 基于光流的動態(tài)點(diǎn)檢測算法
        2.3.3 基于語義分割的運(yùn)動物體處理算法
    2.4 運(yùn)動物體處理算法實(shí)驗
        2.4.1 不同特征提取算法比較
        2.4.2 基于光流的特征點(diǎn)跟蹤實(shí)驗
        2.4.3 基于光流的動態(tài)點(diǎn)檢測實(shí)驗
        2.4.4 語義分割與光流法結(jié)合的運(yùn)動物體處理算法實(shí)驗
    2.5 小結(jié)
第3章 基于卷積的語義分割網(wǎng)絡(luò)設(shè)計
    3.1 引言
    3.2 基于卷積神經(jīng)網(wǎng)絡(luò)的語義分割研究
        3.2.1 卷積神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)
        3.2.2 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像語義分割
    3.3 全卷積語義分割網(wǎng)絡(luò)的設(shè)計
        3.3.1 模型架構(gòu)概述
        3.3.2 設(shè)計思想
    3.4 語義分割網(wǎng)絡(luò)的訓(xùn)練與結(jié)果分析
        3.4.1 語義分割網(wǎng)絡(luò)的訓(xùn)練
        3.4.2 結(jié)果分析
    3.5 小結(jié)
第4章 動態(tài)環(huán)境下語義地圖構(gòu)建
    4.1 引言
    4.2 語義建圖系統(tǒng)框架
    4.3 動態(tài)環(huán)境語義地圖構(gòu)建算法
        4.3.1 語義地圖的存儲形式
        4.3.2 靜態(tài)背景單幀語義點(diǎn)云的生成
        4.3.3 點(diǎn)云的拼接與濾波
        4.3.4 殘余運(yùn)動物體的去除
    4.4 語義信息融合算法設(shè)計
    4.5 小結(jié)
第5章 動態(tài)環(huán)境下視覺SLAM實(shí)驗
    5.1 引言
    5.2 移動機(jī)器人平臺的搭建
        5.2.1 視覺SLAM實(shí)驗平臺搭建
        5.2.2 kinect2 相機(jī)的標(biāo)定
    5.3 動態(tài)環(huán)境下SLAM算法位姿估計實(shí)驗
        5.3.1 數(shù)據(jù)集對比實(shí)驗
        5.3.2 室內(nèi)動態(tài)場景下位姿估計實(shí)驗
    5.4 動態(tài)場景下的語義建圖實(shí)驗
        5.4.1 基于數(shù)據(jù)集的語義建圖實(shí)驗
        5.4.2 基于實(shí)際動態(tài)場景的語義建圖實(shí)驗
    5.5 時間效率測試
    5.6 小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝



本文編號：3819806