基于图优化的单目视觉SLAM技术研究

  • 基于图优化的单目视觉SLAM技术研究已关闭评论
  • 53 views
  • A+
所属分类:AGV设计资料
摘要

机器人同步定位与建图(Simultaneous Localization and Mapping,简称SLAM)技术是机器人实现定位的主流研究方法。随着传感器和计算机视觉等技术的发展,视觉传感器越来越多的被装备到机器人上。单个摄像头具有性价比高,结构简单,适用范围广等优点,因此单目视觉SLAM方法受到越来越多的关注和研究。单目视觉SLAM方法主要分为基于滤波器的方法和基于图优化的方法,前者计算复杂度较高,无法满足实时性要求,因此,本文主要研究基于图优化的单目视觉SLAM方法。并行跟踪,局部建图和回环检测的单目视觉SLAM方法(ORB-SLAM)是目前比较完备和可靠的方法,本文对其进行了研究和实验,并针对其中的一些问题进行了改进。ORB特征检测算法只对一定范围内的旋转和尺度变化具有不变性,因此本文设计了评估实验对各种特征检测算法进行评测,找到了性能最佳的适合在单目视觉SLAM中使用的特征检测算法。特征的数目和分布对跟踪效果和相机姿态估计会产生影响,稳定的特征数目和均匀的特征分布会使算法更加鲁棒,本文设计了一种可以控制特征点提取的数目,并且使特征点在图像中尽量均匀分布的算法。在地图的初始化和局部建图中生成新的地图点时,ORB-SLAM使用的是线性三角化方法(Least Square Method,简称LS算法),该方法生成的地图点的位置有可能不准确,本文将其改进为迭代的三角化方法(Iterative Least Square Method,简称It-LS算法)。因为本文改进的特征检测算法使用的特征描述子为FREAK,因此将改进后的SLAM方法简称为FREAK-SLAM。针对以上改进,本文设计了相关的实验来进行验证。本文在室内、室外环境下对FREAK-SLAM进行了实验,实验表明FREAK-SLAM跟踪到的特征点的数目更加稳定,特征点的分布更加均匀,且相机的定位精度较ORB-SLAM有所提高,室内环境下平均提高了0.18cm,室外环境下平均提高了1.4m,提高的百分比约为10%。

论文目录

基于图优化的单目视觉SLAM技术研究
摘要
Abstract

1 绪论

1.1 研究背景与意义
1.2 国内外研究概况
1.3 论文的主要研究内容和组织结构

2 基于图优化的单目视觉SLAM原理和方法

2.1 顺序数据关联
2.2 回环检测
2.3 位姿图优化
2.4 并行跟踪,局部建图和回环检测方法
2.5 本章小结

3 改进的特征检测算法

3.1 常用的图像特征提取和描述子算法
3.2 特征检测算法对比实验
3.3 IMPyGridFAST+FREAK特征检测算法
3.4 IMPyGridFAST+FREAK与ORB性能比较
3.5 本章小结

4 改进的地图自动初始化方法

4.1 迭代三角化地图点的方法
4.2 地图自动初始化方法
4.3 It-LS算法的性能
4.4 本章小结

5 实验设计与分析

5.1 SLAM系统中改进的特征检测算法的性能页
5.2 SLAM系统中改进的地图自动初始化方法的性能
5.3 室内环境下FREAK-SLAM的性能
5.4 室外环境下FREAK-SLAM的性能
5.5 本章小结

6 总结与展望

6.1 全文总结
6.2 论文展望
致谢
参考文献
附录 攻读学位期间发表论文及申请专利目录

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。