基于視覺的同時定位與地圖構(gòu)建（VSLAM:Visual Simultaneous Localization and Mapping）作為無人機、增強現(xiàn)實、無人駕駛及人機交互等機器人系統(tǒng)的關(guān)鍵技術(shù),其靜態(tài)環(huán)境假設(shè)過于理想化。實際的應(yīng)用場景不可避免會出現(xiàn)運動物體,尤其是一些運動明顯的物體往往會違背VSLAM系統(tǒng)的靜態(tài)環(huán)境假設(shè),導(dǎo)致現(xiàn)有的VSLAM系統(tǒng)難以滿足實際場景的應(yīng)用需求。相比特征法VSLAM,基于直接法的稠密VSLAM在弱紋理和模糊場景有更好的魯棒性和穩(wěn)定性,但稠密VSLAM更易受動態(tài)環(huán)境的影響。在動態(tài)場景下,現(xiàn)有的稠密VSLAM方法面臨著兩大挑戰(zhàn)。一方面,運動分割方法作為解決動態(tài)場景的關(guān)鍵算法,在復(fù)雜動態(tài)場景下分割的準確性和魯棒性一直是具有挑戰(zhàn)性的問題,現(xiàn)有的基于幾何信息的分割方法難以適應(yīng)高動態(tài)場景,而實例語義分割方法又容易引起假陽性過分割,導(dǎo)致基于直接法的位姿估計性能下降。另一方面,對稠密視覺里程計而言,如果動態(tài)物體參與到稠密匹配過程會極大地影響相機位姿估計的準確性;對于稠密VSLAM系統(tǒng)而言,動態(tài)物體會影響回環(huán)檢測的準確性,導(dǎo)致錯誤的回環(huán)并降低回環(huán)的成功率,動態(tài)物體還會破壞位姿... 

【文章頁數(shù)】：144 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
abstract
符號中英文對照
第1章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀與發(fā)展趨勢
        1.2.1 靜態(tài)場景VSLAM研究現(xiàn)狀
        1.2.2 動態(tài)場景VSLAM研究現(xiàn)狀
        1.2.3 現(xiàn)有方法存在的問題及分析
        1.2.4 動態(tài)場景下VSLAM的發(fā)展趨勢
    1.3 研究目標與內(nèi)容
    1.4 研究內(nèi)容與組織結(jié)構(gòu)
        1.4.1 論文的組織結(jié)構(gòu)
        1.4.2 論文的創(chuàng)新點
    1.5 小結(jié)
第2章 VSLAM理論基礎(chǔ)
    2.1 引言
    2.2 VSLAM的基本概念
        2.2.1 SLAM簡介
        2.2.2 VSLAM簡介
    2.3 相機位姿表達
    2.4 相機模型及剛體運動變換
    2.5 VSLAM的優(yōu)化方法
    2.6 小結(jié)
第3章 動態(tài)環(huán)境下稠密VSLAM數(shù)學(xué)模型
    3.1 引言
    3.2 靜態(tài)環(huán)境下VSLAM數(shù)學(xué)模型
        3.2.1 狀態(tài)估計模型
        3.2.2 圖優(yōu)化模型
        3.2.3 回環(huán)檢測模型
    3.3 基于運動分割的稠密VSLAM模型
        3.3.1 場景運動物體解析
        3.3.2 動態(tài)環(huán)境下的關(guān)聯(lián)建模
    3.4 小結(jié)
第4章 動態(tài)環(huán)境下非參數(shù)統(tǒng)計與聚類的稠密視覺里程計
    4.1 引言
    4.2 整體框架
    4.3 基于多幀融合的殘差模型
        4.3.1 場景聚類
        4.3.2 場景殘差模型
        4.3.3 殘差正則化
        4.3.4 多幀殘差模型
    4.4 基于動態(tài)閾值的運動分割模型
        4.4.1 非參數(shù)統(tǒng)計模型
        4.4.2 場景運動分割模型
    4.5 基于統(tǒng)計的混合權(quán)重模型
    4.6 基于運動分割的相機位姿估計
    4.7 實驗結(jié)果及分析
        4.7.1 相機軌跡估計評價標準
        4.7.2 運動分割實驗
        4.7.3 視覺里程計實驗
        4.7.4 運行效率實驗
    4.8 小結(jié)
第5章 融合語義對象分割的動態(tài)環(huán)境下稠密VSLAM方法
    5.1 引言
    5.2 整體框架
    5.3 融合語義對象的前端方法
        5.3.1 前端的改進
        5.3.2 相機位姿跟蹤
    5.4 融合語義分割和幾何殘差的運動分割模型
        5.4.1 殘差運動分割模型
        5.4.2 實例語義分割模型
        5.4.3 融合的運動分割模型
    5.5 基于關(guān)鍵幀的稠密視覺里程計方法
        5.5.1 幀-關(guān)鍵幀匹配
        5.5.2 關(guān)鍵幀選取
    5.6 基于剪枝的動態(tài)環(huán)境下后端模型
        5.6.1 動態(tài)環(huán)境下的回環(huán)檢測
        5.6.2 位姿圖構(gòu)建及其優(yōu)化
    5.7 實驗結(jié)果及分析
        5.7.1 運動分割實驗
        5.7.2 位姿估計實驗
        5.7.3 運行效率評估
    5.8 小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻
致謝
作者簡歷及攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文與研究成果



本文編號：3709128