視覺里程計作為移動機器人同時定位和地圖構(gòu)建問題中的重要環(huán)節(jié),對移動機器人自主定位以及建圖導(dǎo)航任務(wù)至關(guān)重要。由于移動機器人自身傳感器以及圖像模糊、運動過快和特征缺失等因素引起的誤差,不能保證視覺里程計的準(zhǔn)確度。因此,本文對現(xiàn)有視覺里程計算法存在的問題展開分析,主要研究內(nèi)容如下:首先,概述課題研究意義和背景,對視覺里程計算法的研究現(xiàn)狀和一些關(guān)鍵問題進行分析,對移動機器人視覺里程計現(xiàn)有的開源算法進行了詳細(xì)介紹,根據(jù)不同的算法方案分析視覺里程計領(lǐng)域存在的關(guān)鍵問題,為后續(xù)的研究提供理論模型和依據(jù)。其次,針對深度傳感器采集信息的局限性造成定位精度下降問題,一方面提出結(jié)合深度已知的3D-3D以及深度未知的3D-2D位姿估計方式,使用g2o庫一同進行優(yōu)化,充分利用圖像信息實現(xiàn)更精確的位姿估計;另一方面,在后端地圖優(yōu)化階段利用局部光束平差法對生成的關(guān)鍵幀位姿重定義以及地圖點進行動態(tài)更新,有效減少了軌跡漂移。仿真實驗驗證改進算法提高了定位精度。再次,為了提升快速運動環(huán)境中視覺里程計的精度,提出一種移動機器人混合的半稠密視覺里程計算法。利用特征點法追蹤相機位姿,獲取初始位姿及關(guān)鍵幀,采用Sobel卷積核獲取...

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖5室內(nèi)場景下視覺里程計位置估計3結(jié)束語基于視覺傳感器的里程計算法研究在移動機器人定位

擾，隨著時間不斷地推移誤差累積也在增加，這時特征點匹配處理大尺度移動場景的優(yōu)勢就體現(xiàn)出來了，同時速度過快和轉(zhuǎn)彎時建立的局部地圖篩選關(guān)鍵幀機制減少了誤差累積在定位精度上的干擾。誤差曲線是計算視覺里程計算法得到的移動機器人位置點和運動捕捉系統(tǒng)(真值)之間的歐氏距離，如圖4所示。視覺里....

圖4-3四種算法與fr1/floor真實軌跡對比

VO定位的準(zhǔn)確度，例如室內(nèi)場景fr1/360的角速度是41.6deg/s，fr1/desk2的速度是0.43m/s。圖4-3中a)-d)為室內(nèi)地板數(shù)據(jù)fr1/floor在DVO、RGBDSLAM_V2、ORBSLAM2-VO以及本章算法下的預(yù)測軌跡與真....

圖4-4四種算法與fr1/plant真實軌跡對比

c)ORBSLAM2_VO估計的軌跡d)本章算法估計的軌跡圖4-4四種算法與fr1/plant真實軌跡對比根據(jù)實驗圖可知，本章方案與RGBDSLAM_V2和ORBSLAM2-VO相較DVO算法更加優(yōu)越，計算的軌跡更加接近真值軌跡。要注意的是，fr1/fl....

圖4-7實驗室場景按照相機采集的頻率每隔30幀取一次教室三維點云圖，如圖4-8所示，包括開

圖4-7實驗室場景按照相機采集的頻率每隔30幀取一次教室三維點云圖，如圖4-8所示，包括開始位置場景，拐角處場景以及最后回到原點位置等信息。需要注意的是，點云圖片中的黑色陰影是未知區(qū)域，因為實驗平臺高度及視野范圍有限，并不能觀測到房間內(nèi)的所有事物，但并不影響重構(gòu)現(xiàn)實場....

本文編號：3918599