發(fā)布時間：2016-07-01 07:15

本文主要對基于圖優(yōu)化的單目視覺SLAM問題進(jìn)行了研究，本文單目視覺SLAM具體實(shí)現(xiàn)的方案：在圖優(yōu)化的模型下，采用自然環(huán)境點(diǎn)特征作為路標(biāo)描述環(huán)境地圖，不需要人工標(biāo)記等輔助手段，滿足大規(guī)模的復(fù)雜未知環(huán)境下移動機(jī)器人的需求；為了能夠快速提取自然路標(biāo)，采用改進(jìn)的FAST＋BRISK點(diǎn)特征提取方法即ORB特征提取與匹配算法，為了保證每頓國像獲取足夠多的均勻路標(biāo)，提高恃征的穩(wěn)定性，將基于區(qū)域分割的優(yōu)化方法用于地圖路標(biāo)的選��；比較各種場景采樣技術(shù)的原理和優(yōu)劣，將時間選擇法與圖像匹配法融合作為關(guān)鍵巾貞的選取方法。構(gòu)建了視覺詞典樹的閉環(huán)檢測方法來進(jìn)行全局關(guān)聯(lián)，減少地圖的累計(jì)誤差，并且將閉環(huán)檢測方案運(yùn)用到特定跟蹤丟失的情況下。通過對攝像頭成像模型的分析并且完成攝像頭的標(biāo)定實(shí)驗(yàn)來進(jìn)行運(yùn)動結(jié)構(gòu)恢復(fù)并且完成攝像頭的標(biāo)定以及地圖的優(yōu)化；在濾波的模型下，通過逆深度模型的構(gòu)建對地圖進(jìn)行處理，解決單目視覺不能解決深度的缺點(diǎn)。最后通過實(shí)驗(yàn)設(shè)計(jì)與分析，對公共數(shù)據(jù)集及真實(shí)室內(nèi)室外場景分別進(jìn)行了實(shí)驗(yàn)，驗(yàn)證了本文提出的單目視覺SLAM算法的可行性。

.........

2基于圖像特征的場景建模和閉環(huán)檢測的硏究

2.1視覺SLAM中的圖像特征提取

目前大部分的視覺SLAM方法都是基于環(huán)境點(diǎn)特征，SLAM系統(tǒng)建立的環(huán)境模型都是特征地圖。在生成的特征地圖中，每一個特征代表著環(huán)境中攝像頭傳感器觀測到的目標(biāo)信息。視覺定位方法通常需要從每頓輸入圖像中提取特征，得到相關(guān)特征在圖像序列帖間對應(yīng)關(guān)系，并據(jù)此進(jìn)行運(yùn)動估計(jì)得到帖間相對位移，移動機(jī)器人或者移動設(shè)備正是通過分布于環(huán)境中的特征信息來對自身的位置進(jìn)行估計(jì)和糾正，同時本章關(guān)鍵頓的選擇以及閉環(huán)檢測部分都需要用到特征提取與匹配，因此特征提取與匹配是視覺SLAM最為基礎(chǔ)但又至關(guān)重要的一個步驟，所有的后續(xù)處理都建立在所提取特征與匹酷的基礎(chǔ)上。盡管己經(jīng)有許多不同的視覺特征算法應(yīng)用到視覺SLAM中，但如何選擇合適的特征提取方法在視覺SLAM系統(tǒng)依然是一個非常重要的問題。因此本章介紹了常用的特征提取算法，并且在實(shí)驗(yàn)部分設(shè)計(jì)了關(guān)于特征提取算法的對比實(shí)驗(yàn)（實(shí)驗(yàn)情況請參見第四章），通過實(shí)驗(yàn)分祈決定選擇ORB特征提取算法并且根據(jù)實(shí)際中的應(yīng)用對其進(jìn)行優(yōu)化作為檢測自然環(huán)境中路標(biāo)的方法。

2.2視覺化SLAM中的地圖特征匹配

關(guān)鍵頓的選擇是視頻壓縮、存儲、傳輸、檢索等領(lǐng)域的重要技術(shù)，受到廣泛關(guān)注和研究以１。然而在基于視覺的SLAM中，關(guān)鍵頓的選擇作為必要環(huán)節(jié)卻并未受到足夠關(guān)注？在視覺SLAM中，將關(guān)鍵帖的選擇作為一個關(guān)鍵步驟，是基于以下緣由：（1）待處理圈像的數(shù)量性：隨著機(jī)器人運(yùn)行，處理圈像的數(shù)量急劇增加，對設(shè)備以及算法提出了很高的要求，尤其是室外大規(guī)模環(huán)境下，國像數(shù)量性不能忽視。（2）連續(xù)圖像序列的局部相似性：由于機(jī)器人捕獲的連續(xù)圖像序列中，相鄰帖圖像可能是對同一場景的成像，圖像之間相似性比較髙。這種局部時間域的商度相似性特點(diǎn)，造成采集的圖像中存在冗余數(shù)據(jù)，當(dāng)機(jī)器人移動緩慢或者停止運(yùn)動時，采集圖像內(nèi)容的相似性幾乎不變。如果對這些兀余圖像進(jìn)行算法計(jì)算，必然會造成大量計(jì)算資源的浪費(fèi)。因此，基于視覺的SLAM中一方面對所有圖像數(shù)據(jù)實(shí)現(xiàn)處理會比較復(fù)雜，另－方面，沒有高精度要求的情況下，并不需要計(jì)算全部場景圖像。因此對場景進(jìn)行有效的關(guān)巧傾選擇成為提離視覺SLAM系統(tǒng)實(shí)時性的一個重要步驟。

3基于困優(yōu)化SLAM算法的研究.....31

3.1基于圖優(yōu)化SLAM方法的介紹.....31
3.2自然特征下基于圖優(yōu)化的單目SLAM算法.....34
3.3攝像頭成像模型.....35
4實(shí)驗(yàn)結(jié)果與分析.....49
4.1圖像特征算法的比較分析.....49
4.2關(guān)鍵頓和閉環(huán)檢測實(shí)驗(yàn).....53
5總結(jié)與展望.......65

4實(shí)驗(yàn)結(jié)果與分析

4.1圖像特征算法的比較分析

當(dāng)前有很多關(guān)于點(diǎn)特征，，全局特征等國像特征算法在視覺SLAM研究中得到廣泛應(yīng)用，而且也有相關(guān)的圖像特征算法性能對比研究，但是這些對比試驗(yàn)研究存在些許不足：沒有結(jié)合視覺SLAM的具體應(yīng)用條件和存在的問題做出分析，其中大部分是針對目標(biāo)識別與跟蹤，圖像匹配，三維重構(gòu)等研究領(lǐng)域；本文為了尋求一種較優(yōu)的特征算法來解決單目視覺SLAM中特征路標(biāo)的表示和特征的正確匹配問題，設(shè)計(jì)了相關(guān)實(shí)驗(yàn)來評估各種特征提取算法。

4.2關(guān)鍵帖和閉環(huán)檢測實(shí)驗(yàn)

為了方便測量逆深度模型算法的誤差，著重生成存在有驚定板的視頻序列。取標(biāo)定板上的點(diǎn)作為測量的特征點(diǎn)。實(shí)驗(yàn)跟蹤了一個地圖特征在圖像序列中的變化過程，分別記錄了這個特征點(diǎn)在三幅不同時刻的圖像中的位置信息變化，分析了測量值和預(yù)測值之間的誤差。圖中紅色粗圓圈表示本次迭代選取的最準(zhǔn)確的特征點(diǎn)，楠圓的大小代表匹配的置信水平。箭頭代表方位信息，圖像顯示的是后一頓與前一頓正常匹配后的運(yùn)行情況。右側(cè)圖中三角形代表的是攝像機(jī)的位置，采用俯視角度來觀察，俯視面為平面。地圖特征在環(huán)境中的方位及位置信息可通過到攝像頭的相對位置進(jìn)行觀測。

.......

5總結(jié)與展望

SLAM技術(shù)是實(shí)現(xiàn)機(jī)器人自主導(dǎo)航的基礎(chǔ)和關(guān)鍵技術(shù)，也是増強(qiáng)現(xiàn)實(shí)技術(shù)、視覺醫(yī)療、三維重建、智能家居等領(lǐng)域的熱點(diǎn)研究對象，具有重要的理論意義和實(shí)用價值；由于視覺傳感器有獲取信息量大、廉價、安裝方便等諸多優(yōu)點(diǎn)，基于視覺的SLAM引起了國內(nèi)外學(xué)者的廣泛關(guān)注。如何快速穩(wěn)定地描述自然環(huán)境特征，有效地構(gòu)建室外較大尺度地圖并且優(yōu)化系統(tǒng)的數(shù)據(jù)關(guān)聯(lián)是SLAM研究領(lǐng)域的難點(diǎn)也是本文研究的重點(diǎn)。在大量調(diào)研的基礎(chǔ)上，選取了結(jié)構(gòu)方便、可擴(kuò)展性強(qiáng)的單目視覺作為視覺傳感器，為了構(gòu)建較大場景的地圖，并沒有選擇目前比較成熟的擴(kuò)展卡爾曼濾波建模方法而是選擇了可以應(yīng)用在較大場景的圖優(yōu)化建模方法。在開發(fā)SLAM系統(tǒng)的過程中，對SLAM的子問題以及實(shí)驗(yàn)中遇到的問題進(jìn)行分析解決，最后在搭載單目相機(jī)的移動平臺下完成室內(nèi)外環(huán)境定位與地圖構(gòu)建。本文的單目視覺SLAM的步驟可概括為自然路標(biāo)特征提取、關(guān)鍵頓選擇、閉環(huán)檢測、運(yùn)動結(jié)構(gòu)恢復(fù)、地國優(yōu)化、逆深度估計(jì)處理，完成的工作和取得的研究成果也主要從這幾方面進(jìn)行闡述。

......

參考文獻(xiàn)（略）

本文編號：64382