具有自主導航能力且能夠在復雜水面環(huán)境下完成作業(yè)任務的無人船成為了全球研究熱點,其中即時定位與建圖(Simultaneous Localization and Mapping,SLAM)技術(shù)可為無人船自主導航提供實時的環(huán)境信息和位置信息,是無人船自主導航的關(guān)鍵。本文在視覺慣導(VINS-MONO)SLAM算法的研究基礎上,提出一種基于點線綜合特征的視覺慣導(PLVINS-MONO)SLAM算法,該算法通過融合視覺信息和慣導信息,對無人船進行實時航行環(huán)境感知和自身定位,為無人船自主導航提供關(guān)鍵信息。首先,針對無人船視覺圖像中特征點檢測存在的水面動態(tài)區(qū)域問題,本文提出基于HSV(Hue Saturation Value)顏色區(qū)域分割算法的視覺里程計前端設計方法,對無人船獲取的圖像進行區(qū)域分割,排除圖像中水面動態(tài)區(qū)域,以篩選出圖像中世界坐標系下的有效特征點,提高系統(tǒng)在位姿估算過程中使用特征點的準確性和位姿估算精度。由于線特征信息在水面環(huán)境中具有光照和視角不變性,其特征信息表現(xiàn)更為穩(wěn)定。因此本文在視覺里程計前端加入線特征,豐富視覺里程計前端提取圖像中特征信息的種類。綜合點特征和線特征,利用點線特...

【文章頁數(shù)】：79 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 視覺SLAM算法研究現(xiàn)狀
        1.2.2 視覺慣導SLAM算法研究現(xiàn)狀
    1.3 本文研究內(nèi)容
2 視覺慣導SLAM相關(guān)理論基礎
    2.1 慣性導航基本原理
    2.2 相機成像原理
    2.3 視覺SLAM的基本框架
    2.4 相機標定實驗
    2.5 本章小結(jié)
3 基于改進點線綜合特征的無人船視覺里程計前端設計
    3.1 基于HSV的點特征效篩選
    3.2 視覺里程計前端線特征
        3.2.1 線特征的LSD提取算法
        3.2.2 線特征的LBD描述子二進制化
    3.3 改進的點線綜合特征的視覺里程計前端設計
    3.4 仿真實驗
        3.4.1 仿真實驗描述
        3.4.2 仿真實驗結(jié)果與分析
    3.5 本章小結(jié)
4 基于點線綜合特征的閉環(huán)檢測
    4.1 詞袋模型
        4.1.1 特征聚類
        4.1.2 混合特征詞典樹
        4.1.3 單詞權(quán)重賦值
    4.2 閉環(huán)檢測
        4.2.1 圖像索引
        4.2.2 圖像相似性計算
    4.3 視覺詞典性能評價
    4.4 本章小結(jié)
5 基于點線綜合特征的無人船視覺慣導SLAM系統(tǒng)實現(xiàn)與驗證
    5.1 系統(tǒng)總體架構(gòu)
    5.2 系統(tǒng)仿真實驗
        5.2.1 仿真實驗描述
        5.2.2 仿真實驗結(jié)果與分析
    5.3 系統(tǒng)實際驗證
        5.3.1 無人船航行數(shù)據(jù)集制作
        5.3.2 運行結(jié)果與分析
    5.4 本章小結(jié)
結(jié)論
參考文獻
致謝
作者簡歷及攻讀碩士學位期間的科研成果



本文編號：3866760