本文關鍵詞：高精度實時視覺定位的關鍵技術研究，由筆耕文化傳播整理發(fā)布。

【摘要】：基于機器視覺的定位算法是智能移動機器人領域內的熱點問題,通過分析包含在圖像序列中的靜態(tài)場景一致性信息,視覺定位可以幫助移動機器人更準確地獲得當前位置與姿態(tài)信息,保證移動機器人安全、高效地完成指定任務。 本文以大范圍復雜環(huán)境中移動機器人的高精度實時定位為目標,圍繞精度、實時性、魯棒性三個關鍵問題進行研究。為了準確估計機器人6個自由度的位姿信息,首先構建了基于特征點匹配的雙目立體視覺里程計(Visual Odometry, VO)。為了提高定位精度,第二章提出了兩階段局部雙目光束法平差(Two-stage local binocular bundle adjustment, TLBBA),充分利用雙目圖像序列中的信息和約束,對運動估計結果進行優(yōu)化。第三章通過合理設計系統中的算法模塊,充分利用計算資源和算法的可并行性,實現了可以實時工作的雙目立體VO。為了提高復雜環(huán)境中局部運動估計的魯棒性,第四章提出了一種基于自適應多特征表觀模型的壓縮特征,通過跟蹤移動機器人前進方向的圖像片(圖像中的子窗口區(qū)域),獲得航向角增量的魯棒估計值,防止不可靠的運動估計結果對定位結果造成影響。為了抑制移動機器人在大范圍環(huán)境中漫游時定位誤差的累積,提出了基于在線全景圖像路標的全局位姿校正算法,有效解決了路徑漂移問題。本文的主要工作和創(chuàng)新性研究成果如下： 1)提出了一種兩階段局部雙目光束法平差優(yōu)化算法,充分利用圖像序列中的一致性信息,提高了基于特征點匹配的雙目立體VO的定位精度。在該算法的第一階段,對單步運動估計結果進行優(yōu)化,相比基于三維點不確定度的最大似然估計優(yōu)化,該算法使用誤差分布更加均勻的二維特征點不確定度,而且引入了約束更加豐富合理的雙目模型；在該算法的第二階段,同樣基于雙目模型和特征點不確定度權重,同時優(yōu)化滑動窗口內的運動參數與三維結構。與傳統單目模型LBA相比,TLBBA優(yōu)化時的參數初始值更加準確,目標函數的構成更加科學,優(yōu)化精度高。 2)提出并實現了一種實時雙目VO系統,為了在保證定位精度的前提下盡量提高處理速度,該VO系統基于GPGPU提取SIFT特征點,基于網格匹配法進行特征控制,在運動估計時基于GPGPU實現RanSaC結合HORN最小二乘方法。最后,把整個系統劃分為兩個線程,進行流水線處理：特征匹配線程負責特征點提取、匹配和三維點對重建；運動估計線程負責運動估計、兩階段局部雙目光束法平差(TLBBA)優(yōu)化、累積單步運動參數得到機器人全局位姿。 3)提出了一種基于自適應多特征圖像片壓縮跟蹤的局部航向角計算方法,可以在雙目圖像序列缺少一致性特征時,更魯棒地計算出移動機器人的航向角變化。為了提高圖像片跟蹤的精度和實時性,提出了一種壓縮空間中的自適應多特征表觀建模方法：構造了稀疏的二級隨機測量矩陣對SURF特征進行壓縮,使原來單純基于亮度特征的視覺表達更加豐富準確,描述能力更強；通過分析特征對目標和背景的區(qū)分能力,自適應地調整統計模型內特征之間的權重,抑制冗余、無用的特征,提高了統計模型的效率和準確性。 4)提出了一種基于在線全景圖像路標的全局位姿校正方法。該方法使用兩種尺度的自適應壓縮特征對全景圖像進行建模,可以快速準確地從路標庫中找到當前圖像的最佳匹配；該方法通過檢測路口,有效提高了路標圖像的利用率和匹配準確率,進一步降低了匹配代價。移動機器人在重新訪問路標場景時,通過求解當前圖像與路標圖像間的運動差異,對位姿進行校正,消除回路中的累積誤差,提高了定位系統在大范圍復雜環(huán)境中的精度和魯棒性。
【關鍵詞】：視覺里程計 特征點匹配 運動估計 光束法平差 GPGPU 壓縮跟蹤 自適應多特征表觀模型 局部航向角計算 壓縮全景路標 全局位姿校正
【學位授予單位】：浙江大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：TP242
【目錄】：

• 致謝5-7
• 摘要7-9
• Abstract9-16
• 圖目錄16-19
• 表目錄19-20
• 1 緒論20-49
• 1.1 研究背景和意義20-26
• 1.2 傳統定位與視覺定位26-32
• 1.2.1 傳統定位方法26-28
• 1.2.2 基于視覺的定位方法28-31
• 1.2.3 視覺定位算法性能比較31-32
• 1.3 視覺里程計算法的發(fā)展32-36
• 1.4 基于特征點匹配的雙目視覺里程計基本原理36-46
• 1.4.1 特征點的檢測與描述38-40
• 1.4.2 特征匹配40-42
• 1.4.3 特征點三維重建42-43
• 1.4.4 運動估計43-45
• 1.4.5 雙目VO的關鍵問題45-46
• 1.5 論文內容和結構46-49
• 2 視覺里程計的高精度優(yōu)化49-78
• 2.1 引言49-50
• 2.2 相關工作50-52
• 2.2.1 維特征點的不確定度50-51
• 2.2.2 三維點的不確定度計算51
• 2.2.3 最大似然估計51-52
• 2.3 兩階段局部雙目光束法平差52-59
• 2.3.1 BA與LBA52-55
• 2.3.2 TLBBA55-59
• 2.4 實驗結果與分析59-77
• 2.4.1 實驗設備與測試環(huán)境59-61
• 2.4.2 性能指標61
• 2.4.3 校園環(huán)境實驗結果與分析61-68
• 2.4.4 KITTI數據集實驗結果68-77
• 2.5 本章小結77-78
• 3 實時雙目視覺里程計的實現78-99
• 3.1 引言78-79
• 3.2 GPGPU概述79-82
• 3.2.1 GPU與CPU性能比較79-81
• 3.2.2 基于GLSL的GPGPU編程81-82
• 3.3 基于GPGPU的SIFT特征提取82-87
• 3.3.1 尺度空間極值檢測82-84
• 3.3.2 關鍵點定位84
• 3.3.3 關鍵點主方向計算84-85
• 3.3.4 關鍵點特征描述85-86
• 3.3.5 基于GPGPU加速的SIFT算法86-87
• 3.4 基于GPGPU加速的運動估計87-91
• 3.4.1 基于三對三維點的HORN運動估計方法87-89
• 3.4.2 基于RanSaC的外點濾除89-90
• 3.4.3 基于GPGPU加速的運動估計算法90-91
• 3.5 基于網格篩選的特征控制91-93
• 3.6 基于多線程的并行處理93-94
• 3.7 實驗結果與分析94-98
• 3.7.1 基于GPGPU的SIFT特征提取實驗結果94-96
• 3.7.2 基于GPGPU的運動估計實驗結果96
• 3.7.3 實時雙目VO系統實驗結果96-98
• 3.8 本章小結98-99
• 4 基于自適應多特征圖像片壓縮跟蹤的局部航向角計算99-120
• 4.1 引言99-101
• 4.2 基于壓縮感知的自適應多特征圖像片表觀模型101-107
• 4.2.1 壓縮亮度特征101-102
• 4.2.2 壓縮SURF特征102-104
• 4.2.3 基于特征區(qū)分度的自適應統計模型104-107
• 4.3 基于圖像片壓縮跟蹤的局部航向角計算107-111
• 4.4 實驗結果分析111-119
• 4.4.1 自適應多特征表觀模型的性能分析111-114
• 4.4.2 基于圖像片壓縮跟蹤的航向角計算精度測試114-117
• 4.4.3 基于圖像片跟蹤的航向角計算對定位結果的改善117-119
• 4.5 本章小結119-120
• 5 基于在線全景圖像路標的全局位姿校正120-143
• 5.1 引言120-123
• 5.2 基于自適應壓縮特征的全景圖像描述123-125
• 5.3 在線建立全景路標125-128
• 5.3.1 路標檢測125-127
• 5.3.2 路標描述127-128
• 5.4 全局位姿校正128-133
• 5.4.1 基于多級特征的任意方向路標匹配128-131
• 5.4.2 位姿校正131-133
• 5.5 實驗結果與分析133-142
• 5.5.1 全景圖像中自適應壓縮特征的匹配特性133-138
• 5.5.2 全局位姿校正算法的性能分析138-139
• 5.5.3 “增強型”視覺定位系統139-142
• 5.6 本章小結142-143
• 6 總結與展望143-146
• 6.1 本文工作總結143-145
• 6.2 研究工作展望145-146
• 參考文獻146-153
• 攻讀博士期間學術成果153

【相似文獻】

中國期刊全文數據庫 前10條

1 葉學義,莊鎮(zhèn)泉,張云超,水孝敏;基于多模板特征點融合的指紋識別[J];中國圖象圖形學報;2005年02期

2 王愷;靳簡明;史廣順;王慶人;;基于特征點的漢字字體識別研究[J];電子與信息學報;2008年02期

3 張桂梅;任偉;徐芬;;基于特征點和最小面積的曲線描述和匹配[J];計算機應用;2009年04期

4 葉東;解邦福;劉博;;一種基于共面特征點的單攝像機姿態(tài)測量方法研究[J];宇航計測技術;2009年06期

5 趙宏宇;李燕華;侯振杰;多化瓊;;一種自適應特征點最優(yōu)分組匹配的策略[J];計算機工程與應用;2011年29期

6 董蓉;李勃;陳啟美;;基于局部不變特征點數據集的目標跟蹤算法[J];儀器儀表學報;2012年09期

7 齊恒;李克秋;申彥明;;基于特征點組合聚類的圖像檢索新方法[J];大連理工大學學報;2014年04期

8 胡明昊,任明武,楊靜宇;一種快速實用的特征點匹配算法[J];計算機工程;2004年09期

9 鄭明玲,劉衡竹;遙感圖像配準中特征點選擇的高性能算法研究及其實現[J];計算機學報;2004年09期

10 宋漢辰,吳玲達,魏迎梅;離散特征點探測算法[J];系統仿真學報;2005年03期

中國重要會議論文全文數據庫 前10條

1 汪力;葉樺;夏良正;;利用特征點定位嘴巴[A];第二十六屆中國控制會議論文集[C];2007年

2 付洪川;王劍;萬嬋;趙建英;付凱;;圖像特征點匹配算法的研究與改進[A];2009中國控制與決策會議論文集（1）[C];2009年

3 溫文雅;陳建華;;一種基于特征點的圖像匹配算法[A];2009系統仿真技術及其應用學術會議論文集[C];2009年

4 任明武;胡明昊;楊靜宇;;一種快速實用的特征點匹配算法[A];全面建設小康社會：中國科技工作者的歷史責任——中國科協2003年學術年會論文集（上）[C];2003年

5 許競;姜波;;攝像機運動下特征點追蹤方法研究[A];2011下一代自動測試系統學術研討會論文集[C];2011年

6 張?zhí)?王希常;蘇志榮;;基于特征點和輪廓檢測的粘連數字分割[A];圖像圖形技術與應用進展——第三屆圖像圖形技術與應用學術會議論文集[C];2008年

7 杜鵬飛;彭代強;林幼權;;基于二乘向量機的特征點配準算法[A];第十四屆全國信號處理學術年會(CCSP-2009)論文集[C];2009年

8 楊向林;嚴洪;任兆瑞;陳靖一;;基于小波變換的ECG信號多特征點綜合檢測算法[A];第八屆全國信息獲取與處理學術會議論文集[C];2010年

9 舒志龍;阮秋琦;;基于KLT特征點跟蹤的圖象拼接[A];中國體視學學會圖像分析專業(yè)、中國體視學學會仿真與虛擬現實專業(yè)、中國航空學會信號與信息處理專業(yè)第一屆聯合學術會議論文集[C];2000年

10 韓廣良;陳小云;;利用多特征點搜索實現紙鈔圖像的狀態(tài)檢測[A];第九屆全國信息獲取與處理學術會議論文集Ⅱ[C];2011年

中國重要報紙全文數據庫 前3條

1 本報記者 王宇;芯技術點亮未來[N];電腦報;2010年

2 孫新堯;如何測量繪制地形圖[N];伊犁日報(漢);2006年

3 魏剛;中國進入指紋消費時代[N];北京科技報;2007年

中國博士學位論文全文數據庫 前10條

1 廖斌;基于特征點的圖像配準技術研究[D];國防科學技術大學;2008年

2 楊占龍;基于特征點的圖像配準與拼接技術研究[D];西安電子科技大學;2008年

3 楊利敏;圖像特征點定位算法研究及其應用[D];上海交通大學;2008年

4 魯統偉;前視目標圖像匹配定位技術研究[D];華中科技大學;2008年

5 李旭東;基于特征點的增強現實三維注冊算法研究[D];天津大學;2009年

6 戴激光;漸進式多特征異源高分辨率衛(wèi)星影像密集匹配方法研究[D];遼寧工程技術大學;2013年

7 楊奎元;基于深層結構的圖像內容分析及其應用[D];中國科學技術大學;2012年

8 賀毅岳;顱面統計復原關鍵技術研究[D];西北大學;2012年

9 李建國;火星探測器自主光學著陸導航方法研究[D];哈爾濱工業(yè)大學;2014年

10 盧維;高精度實時視覺定位的關鍵技術研究[D];浙江大學;2015年

中國碩士學位論文全文數據庫 前10條

1 全曉沙;基于特征點分類的實時多目標檢測與跟蹤[D];浙江大學;2011年

2 邢曉陽;基于特征點的模型分割算法設計及其實現[D];電子科技大學;2012年

3 戚世貴;基于圖像特征點的提取匹配及應用[D];吉林大學;2006年

4 李櫟楠;單目視覺測頭成像三維測量技術及特征點角度偏置誤差補償研究[D];吉林大學;2008年

5 趙越;多方法融合的圖像特征點匹配算法研究[D];中南大學;2009年

6 左鳳艷;基于特征點的運動目標檢測和跟蹤算法研究[D];山東大學;2009年

7 柴佳麗;立體視覺圖像特征點的提取與快速匹配[D];河北大學;2010年

8 席躍;大型工件特征點三維測量系統研究[D];西安科技大學;2009年

9 李鵑;基于特征點定位的虛擬試戴的研究[D];上海交通大學;2011年

10 吳娜;基于自動標記特征點的快速人臉識別算法[D];西安電子科技大學;2009年

  本文關鍵詞：高精度實時視覺定位的關鍵技術研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：383490