發(fā)布時間：2023-05-07 07:01

　　相機在未知的環(huán)境中運動,自主地確定自身位置和構(gòu)建空間地圖,是基于視覺的即時定位和建圖(Simultaneous Localization And Mapping,SLAM)要解決的主要問題。在視覺SLAM前端,特征點法是目前的主流方法之一,其存在匹配效率不高、匹配效果不好以及受圖像質(zhì)量影響較大的問題。深度學習在視覺領(lǐng)域的發(fā)展一騎絕塵,但視覺SLAM存在大量的代數(shù)優(yōu)化問題,很難用深度學習方法設(shè)計出效果出眾的端到端SLAM模型。本文避開端到端SLAM,利用深度學習方法去解決視覺SLAM中的特征點檢測問題,這也是深度學習方法的優(yōu)勢。本文訓(xùn)練了一個基于卷積神經(jīng)網(wǎng)絡(luò)的特征檢測器,進一步利用該特征檢測器構(gòu)建了單目視覺SLAM系統(tǒng),并加入相關(guān)優(yōu)化算法,主要研究內(nèi)容如下:(1)針對傳統(tǒng)手工設(shè)計的特征點提取與匹配易受光照、視角、噪聲、圖像模糊等因素的影響,本文采用深度學習的方法解決特征點檢測問題。將傳統(tǒng)的關(guān)鍵點特征進行融合,并針對性地加入魯棒性優(yōu)化,解決無數(shù)據(jù)集的問題;使用MobileNet輕量化技巧改進的VGG樣式的全卷積神經(jīng)網(wǎng)絡(luò)作為編碼器,分別使用兩個并行的解碼器檢測關(guān)鍵點和計算描述子,采用雙網(wǎng)絡(luò)架...

【文章頁數(shù)】：68 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究的背景和意義
        1.1.1 課題介紹與研究背景
        1.1.2 課題研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 特征檢測器
        1.2.2 開源視覺SLAM方案
    1.3 本文的主要研究內(nèi)容及創(chuàng)新點
        1.3.1 主要研究內(nèi)容
        1.3.2 創(chuàng)新點
    1.4 論文結(jié)構(gòu)安排
    1.5 本章小結(jié)
第2章 視覺SLAM及深度學習相關(guān)研究
    2.1 SLAM問題的數(shù)學表述
    2.2 視覺SLAM類型簡述
    2.3 位姿估計
        2.3.1 特征點的提取與匹配
        2.3.2 對極幾何
        2.3.3 三角化
        2.3.4 PnP求解運動
    2.4 捆集約束
    2.5 閉環(huán)檢測
        2.5.1 閉環(huán)檢測的作用
        2.5.2 詞袋模型
    2.6 深度學習方法在視覺SLAM中的應(yīng)用
        2.6.1 卷積神經(jīng)網(wǎng)絡(luò)概述
        2.6.2 網(wǎng)絡(luò)模型選擇
        2.6.3 訓(xùn)練中的損失函數(shù)
    2.7 本章小結(jié)
第3章 基于傳統(tǒng)特征融合與輕量化CNN的特征檢測器
    3.1 總體框架
    3.2 傳統(tǒng)特征融合
        3.2.1 特征提取
        3.2.2 篩選與融合
    3.3 魯棒性調(diào)整
        3.3.1 模糊與噪聲
        3.3.2 光度變換
    3.4 網(wǎng)絡(luò)架構(gòu)
        3.4.1 輕量化改進的編碼器
        3.4.2 關(guān)鍵點解碼器
        3.4.3 描述子解碼器
    3.5 損失函數(shù)
    3.6 實驗細節(jié)
        3.6.1 實驗環(huán)境
        3.6.2 訓(xùn)練過程與測試
        3.6.3 MVP特征檢測器評價指標
        3.6.4 結(jié)果對比與分析
        3.6.5 特征點檢測與匹配可視化
    3.7 本章小結(jié)
第4章 基于MVP特征檢測器的單目SLAM算法優(yōu)化
    4.1 總體框架
    4.2 基于MVP特征檢測器的視覺里程計
        4.2.1 關(guān)鍵點的四叉樹均勻化策略
        4.2.2 描述子二進制化
        4.2.3 雙向最鄰近匹配
        4.2.4 視覺里程計實現(xiàn)
    4.3 基于MVP特征檢測器的閉環(huán)檢測
        4.3.1 字典訓(xùn)練
        4.3.2 K叉樹表征字典
        4.3.3 圖像相似度計算
    4.4 實驗細節(jié)
        4.4.1 實驗環(huán)境
        4.4.2 實驗設(shè)計
        4.4.3 VO及 SLAM的評價指標
        4.4.4 結(jié)果對比與分析
    4.5 本章小結(jié)
第5章 論文總結(jié)與展望
    5.1 論文總結(jié)
    5.2 論文展望
參考文獻
致謝
附錄 攻讀碩士學位期間研究成果



本文編號：3810515