本文關鍵詞：AUV-SLAM的特征提取與匹配算法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著海洋研究地位的不斷提高,對于具有自主導航定位能力的水下機器人的需求越來越多,要求也越來越高,關于自主水下機器人AUV (Autonomous Underwear Vehicle)的研究已經(jīng)成為機器人領域的焦點。在復雜多變的水下環(huán)境中,聲納、相機等傳感器作為AUV的“眼睛”,肩負著AUV感知環(huán)境的重要使命,對其采集的圖像進行分析和處理逐漸成為AUV領域的重要問題,決定著后續(xù)的導航定位與地圖構建的有效性和精確度。本論文采用聲納傳感器與單目相機相結合的方法采集圖像,并對圖像進行特征分析、提取與匹配,從而為同時定位與地圖構建SLAM (Simultaneous Localization And Mapping)算法提供所需要的環(huán)境信息。對于聲納傳感器,本文利用Sea ScanHDS側掃聲納采集圖像,根據(jù)聲納圖像的特點,通過對圖像進行平滑、閾值化及聚類分析提取特征,然后采用正態(tài)分布變換NDT算法匹配特征,從而獲得相對位姿約束。對于相機傳感器,在進行特征分析之前,通過連接假設計算圖像對的覆蓋率來確定候選圖像,提高算法效率,針對具體應用,采用一個成對圖像特征匹配結構去匹配候選的圖像對,利用尺度不變特征變換SIFT算法提取特征,然后使用位姿限制相關搜索PCCS算法消除錯誤的匹配,并且為了適應環(huán)境結構的多變性,利用一種幾何模型選擇框架自動選擇合適的匹配模型,從而得到精確的約束信息。較以往的算法,更加具有有效性、實時性和準確性。
【關鍵詞】：AUV 特征提取 特征匹配 聲納傳感器 相機
【學位授予單位】：中國海洋大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要5-6
• Abstract6-9
• 1 緒論9-17
• 1.1 研究背景及意義9-10
• 1.2 國內(nèi)外發(fā)展現(xiàn)狀10-13
• 1.2.1 國外發(fā)展現(xiàn)狀10-11
• 1.2.2 國內(nèi)發(fā)展現(xiàn)狀11-13
• 1.3 SLAM導航定位13-16
• 1.3.1 狀態(tài)表示15
• 1.3.2 狀態(tài)估計15-16
• 1.4 論文的主要內(nèi)容和結構安排16-17
• 2 AUV平臺與圖像特征處理17-26
• 2.1 AUV平臺17-23
• 2.1.1 位置傳感器——GPS18-19
• 2.1.2 速度傳感器——DVL19
• 2.1.3 角度傳感器——AHRS19-20
• 2.1.4 感知傳感器——SONAR&CCD20-23
• 2.1.4.1 聲納傳感器20-22
• 2.1.4.2 視覺傳感器22-23
• 2.2 圖像特征提取與匹配23-25
• 2.2.1 特征提取23-24
• 2.2.2 特征匹配24-25
• 2.3 本章小結25-26
• 3 聲納匹配與約束26-37
• 3.1 圖像聲納幾何26-28
• 3.2 特征提取28-29
• 3.3 特征匹配29-34
• 3.3.1 正態(tài)分布變換算法30-31
• 3.3.2 掃描匹配31-32
• 3.3.3 使用牛頓算法優(yōu)化32-34
• 3.4 實驗結果及分析34-36
• 3.5 本章小結36-37
• 4 相機匹配與約束37-52
• 4.1 連接假設39-42
• 4.2 特征提取42
• 4.3 特征匹配42-48
• 4.3.1 位姿限制相關搜索42-45
• 4.3.2 幾何模型選擇45-47
• 4.3.3 雙視圖光束法平差47-48
• 4.4 實驗結果及分析48-51
• 4.5 本章小結51-52
• 5 總結與展望52-54
• 參考文獻54-58
• 致謝58-59
• 個人簡歷59

【相似文獻】

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 鄭艷梅;AUV-SLAM的特征提取與匹配算法研究[D];中國海洋大學;2015年

  本文關鍵詞：AUV-SLAM的特征提取與匹配算法研究，由筆耕文化傳播整理發(fā)布。

本文編號：308989