視覺SLAM已廣泛應用在倉儲物流、AR/VR、無人機、自動駕駛等領域,目前已有的視覺SLAM方法多是假設物體靜止,或是將場景中的動態(tài)特征當作異常值剔除。本文針對實際環(huán)境中動態(tài)物體會引起SLAM算法位姿估計不準確、無法構建全局一致地圖的問題,提出了融合Mask R-CNN的多視圖幾何動態(tài)目標檢測算法,并在此基礎上構建了新的魯棒視覺SLAM系統(tǒng)結構;為了進一步提高系統(tǒng)實時性及減少動態(tài)目標的誤檢測,提出了動態(tài)概率融合的DPF-SLAM算法。具體研究內容如下:首先,針對動態(tài)目標檢測存在的漏檢問題,提出了融合Mask R-CNN的多視圖幾何動態(tài)目標檢測算法。采用Mask R-CNN網絡對輸入圖像進行語義分割,將分割結果中的潛在動態(tài)目標標記為動態(tài)目標。并利用動態(tài)點與靜態(tài)點在相機投影中的差異,融合光度誤差、深度誤差和重投影誤差三項誤差值為每一個特征點分配動態(tài)權重值,以此權重值篩選場景中動態(tài)特征點。利用篩選出的動態(tài)特征點為種子點,采用區(qū)域生長算法分割完整目標,將分割結果與Mask R-CNN檢測結果融合完成最終的動態(tài)目標分割。實驗結果表明,所提算法在TUM數(shù)據(jù)集的場景中取得了較好的動態(tài)目標分割效果。其... 

【文章來源】：燕山大學河北省

【文章頁數(shù)】：76 頁

【學位級別】：碩士

【部分圖文】：

本文研究內容態(tài)概率融合算法完成動態(tài)目標分割

第2章動態(tài)環(huán)境下移動物體分割-11-圖2-1針孔相機模型投影點P坐標為T[X,Y,Z]，投影點在像素坐標下坐標為Tp[u,v]。并定義此刻相機位姿為cwT（表示世界坐標系到相機坐標系變換關系，又稱為相機外參，由旋轉矩陣cwR和平移cwt組成）。三維空間點wP到相機坐標系下坐標點P變換關系如下：cwwcwwcwPTPRPt(2-1)由此可得空間點在相機坐標系下坐標，依據(jù)圖2-1所示以及相似三角形關系，可得如下關系式：ZXYfXY(2-2)式中，負號表示由針孔相機模型所成的像是倒立的，但是實際的應用中采集的圖片是正立的，這是因為相機制作過程中已經加入了圖像翻轉的機制。因此為了更加符合實際應用以及便于理解，在幾何建模時通常將成像平面放在相機的前面，如圖2-2所示，這樣的圖像預處理方式是合理的。圖2-2對稱成像平面消去式(2-2)中的負號，進而可以得到投影點在成像平面坐標系中坐標為：XXfZYYfZ(2-3)

第2章動態(tài)環(huán)境下移動物體分割-11-圖2-1針孔相機模型投影點P坐標為T[X,Y,Z]，投影點在像素坐標下坐標為Tp[u,v]。并定義此刻相機位姿為cwT（表示世界坐標系到相機坐標系變換關系，又稱為相機外參，由旋轉矩陣cwR和平移cwt組成）。三維空間點wP到相機坐標系下坐標點P變換關系如下：cwwcwwcwPTPRPt(2-1)由此可得空間點在相機坐標系下坐標，依據(jù)圖2-1所示以及相似三角形關系，可得如下關系式：ZXYfXY(2-2)式中，負號表示由針孔相機模型所成的像是倒立的，但是實際的應用中采集的圖片是正立的，這是因為相機制作過程中已經加入了圖像翻轉的機制。因此為了更加符合實際應用以及便于理解，在幾何建模時通常將成像平面放在相機的前面，如圖2-2所示，這樣的圖像預處理方式是合理的。圖2-2對稱成像平面消去式(2-2)中的負號，進而可以得到投影點在成像平面坐標系中坐標為：XXfZYYfZ(2-3)

【參考文獻】：
期刊論文
[1]基于圖優(yōu)化的同時定位與地圖創(chuàng)建綜述[J]. 梁明杰,閔華清,羅榮華.  機器人. 2013(04)



本文編號：3562513