發(fā)布時(shí)間：2017-12-12 13:07

  本文關(guān)鍵詞：基于滅點(diǎn)的室內(nèi)視覺SLAM位姿優(yōu)化算法

  更多相關(guān)文章： 視覺SLAM 滅點(diǎn)提取 李群與李代數(shù) 圖優(yōu)化

【摘要】：即時(shí)定位與地圖構(gòu)建 SLAM(Simultaneous localization and mapping)即機(jī)器人在運(yùn)動(dòng)過程中通過重復(fù)觀測(cè)到的地圖特征定位自身位置和姿態(tài),再根據(jù)自身位置增量式的構(gòu)建地圖,從而達(dá)到同時(shí)定位和地圖構(gòu)建的目的。視覺SLAM指的是不使用較為昂貴的激光掃描儀,只使用圖像(RGB圖像和Depth圖像)來(lái)實(shí)現(xiàn)即時(shí)定位于地圖構(gòu)建。然而傳統(tǒng)的視覺SLAM存在由于累積誤差帶來(lái)的軌跡漂移問題,往往需要閉環(huán)檢測(cè)才能有效地消除累計(jì)誤差。本文主要探討了利用室內(nèi)場(chǎng)景中的結(jié)構(gòu)化線段提取三個(gè)相互正交的滅點(diǎn),然后將滅點(diǎn)作為一種全局觀測(cè)量來(lái)優(yōu)化SLAM位姿同時(shí)減少累積誤差的問題。首先我們提出了一種基于全局搜索的實(shí)時(shí)滅點(diǎn)提取算法,該算法能夠穩(wěn)健地提取出場(chǎng)景中存在的相互正交的三個(gè)滅點(diǎn),而且經(jīng)過使用極坐標(biāo)構(gòu)建查找表的方式,我們實(shí)現(xiàn)了滅點(diǎn)的實(shí)時(shí)提取。接著,我們?cè)趥鹘y(tǒng)視覺SLAM的算法流程中,添加了一個(gè)滅點(diǎn)追蹤(Vanishing Point Tracking)線程。對(duì)于輸入的每一幀圖像,我們?cè)谔崛√卣鼽c(diǎn)的同時(shí)也提取當(dāng)前幀上的滅點(diǎn)。然后,我們將當(dāng)前得到的滅點(diǎn)作為一個(gè)全局觀測(cè)量,將其與特征點(diǎn)構(gòu)成的局部觀測(cè)量一起構(gòu)建一個(gè)圖模型(Graph),然后采用圖優(yōu)化的方法可以得到利用特征點(diǎn)和滅點(diǎn)觀測(cè)值同步進(jìn)行優(yōu)化之后的當(dāng)前幀的位姿。此外,本文詳細(xì)地分析了基于圖優(yōu)化理論和李群李代數(shù)的SLAM位姿優(yōu)化問題,給出了各種不同觀測(cè)值情況下的圖模型構(gòu)建方法。本文首先在YUD公開數(shù)據(jù)集上驗(yàn)證了提出的滅點(diǎn)提取算法,并與其它三種常用的算法進(jìn)行了對(duì)比,實(shí)驗(yàn)表明本文提出的滅點(diǎn)算法在YUD數(shù)據(jù)集上精度最高。而且在利用LSD自動(dòng)提取的線段上也取得了最高的精度。在SLAM位姿優(yōu)化實(shí)驗(yàn)中,本文首先在TUM公開數(shù)據(jù)集上進(jìn)行了測(cè)試,實(shí)驗(yàn)表明本文提出的基于滅點(diǎn)的位姿優(yōu)化算法即使是在復(fù)雜場(chǎng)景下也具有較強(qiáng)的魯棒性。考慮到傳統(tǒng)公開數(shù)據(jù)集中線段并不明顯,因此我們采集了一組新的RGBD數(shù)據(jù),實(shí)驗(yàn)證明在沒有閉環(huán)的情況下,本文提出的基于滅點(diǎn)的SLAM位姿優(yōu)化算法的位姿精度要比傳統(tǒng)的算法高10%-15%。
【學(xué)位授予單位】：武漢大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41;TP242

【參考文獻(xiàn)】

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 何敏;基于多像滅點(diǎn)的非量測(cè)型相機(jī)檢校方法的研究[D];西安科技大學(xué);2011年

，

本文編號(hào)：1282587