基于单目视觉里程计的增强现实系统

  • 基于单目视觉里程计的增强现实系统已关闭评论
  • 39 views
  • A+
所属分类:AGV设计资料
摘要

增强现实技术是一种将虚拟信息“无缝”叠加在真实场景中的极具沉浸感和真实感的新型人机交互技术。目前的增强现实技术主要可以分为基于二维图像识别的方法以及基于包括视觉里程计(Visual Odometry)算法在内的三维方法。由于可以实现更好的交互效果以及具有更强的实用性,后者已经成为了增强现实技术的发展潮流。视觉里程计算法是一种对运动物体进行姿态估计,同时预测周围环境三维结构的算法。半直接法是通过最小化稀疏特征点的光度误差进行姿态估计的一种视觉里程计算法。该方法具有运算速度快的优点,但是相比其他类型的视觉里程计算法,其姿态估计的精确度并不是很高。本文首先从算法流程上详细地分析了半直接法的代表Fast Semi-Direct Monocular Visual Odometry算法(简称SVO算法)的前端和后端模型。为了提高SVO算法的鲁棒性与姿态估计方面的准确性,本文基于SVO算法主要做了以下研究工作:1.针对时间上相邻的图像帧之间的灰度差异过大造成SVO算法不稳定或姿态估计失败的问题,本文采用了根据直方图均衡化的灰度一致性改进方法,有效地减小了相邻两帧图像之间的灰度差异,提高了算法的稳定性和准确性。2.针对算法在相机快速运动的情况下对运动相机姿态估计结果不准确的问题,本文引入了基于运动先验的初始化方法对稀疏图像对齐步骤进行改进,提高了算法在相机快速运动的情况下姿态估计结果的准确度。3.针对SVO算法频繁添加关键帧带来的影响,本文提出了选择性关键帧剔除的地图更新策略,能够有效地提高姿态估计的准确度。4.针对增强现实系统中虚拟物体通常需要基于某个参考平面进行绘制的问题,本文在增强现实模块中引入了一种基于Random Sample Consensus(RANSAC)的平面估计算法对场景中可能存在的三维平面的参数形式进行估计。最后,本文通过将改进的SVO算法作为相机姿态估计模块,与增强现实模块相结合,完成了一套完整的增强现实系统。

论文目录

基于单目视觉里程计的增强现实系统
摘要
Abstract

第一章绪论

1.1选题背景与研究意义
1.2国内外研究现状
1.2.1增强现实技术的研究现状
1.2.2视觉里程计算法的研究现状
1.3论文的主要研究内容与组织架构
1.3.1论文的主要研究内容
1.3.2论文的组织架构

第二章SVO算法相关知识概述

2.1SVO算法的系统结构
2.2SVO前端模型
2.2.1SVO前端模型算法流程
2.2.2稀疏图像对齐
2.2.3特征点对齐
2.2.4相机姿态与三维点坐标修正
2.3SVO后端模型
2.3.1SVO后端模型原理
2.3.2基于贝叶斯概率模型的深度估计方法
2.3.3种子点的深度估计过程
2.3.4观测值的不确定性
2.4本章小结

第三章改进的SVO算法

3.1基于直方图均衡化的灰度一致性改进
3.1.1光照变化对灰度一致性的影响
3.1.2基于直方图均衡化的灰度一致性改进
3.2基于运动先验的稀疏图像对齐改进
3.2.1相机快速运动对姿态估计的影响
3.2.2基于运动先验的稀疏图像对齐初始化
3.2.3光度误差最小化的优化流程
3.3基于选择性关键帧剔除的地图更新策略改进
3.3.1频繁添加关键帧对SVO的影响
3.3.2基于相对姿态的选择性关键帧剔除
3.3.3选择性关键帧剔除的具体流程
3.4实验结果及分析
3.4.1误差度量方法
3.4.2实验数据集介绍
3.4.3SVO改进的对比实验结果与分析
3.4.4与优秀算法对比的实验结果与分析
3.5本章小结

第四章基于改进的SVO算法的增强现实系统

4.1系统组成
4.2增强现实模块
4.2.1基于RANSAC的平面估计算法
4.2.2背景贴图与虚拟物体绘制
4.2.3增强现实模块与姿态估计模块的信息传递
4.3系统功能展示及分析
4.3.1系统功能模块效果展示
4.3.2平面估计结果和分析
4.3.3虚拟物体绘制结果和分析
4.4系统性能分析
4.5系统实用性分析
4.6本章小结

第五章总结与展望

5.1本文总结
5.2未来展望
参考文献
攻读硕士学位期间取得的研究成果
致谢
附件

抱歉,此资源仅限赞助会员下载,请先
注意:本站资源多为网络收集,如涉及版权问题请及时与站长联系QQ:2766242327,我们会在第一时间内与您协商解决。如非特殊说明,本站所有资源解压密码均为:agvba.com。
weinxin
微信公众号
agvba是一个分享AGV知识和agv案例视频的网站。