学位论文 > 优秀研究生学位论文题录展示
混合人工自然特征环境的单目视觉SLAM
作 者: 陈燕燕
导 师: 梁志伟
学 校: 南京邮电大学
专 业: 控制理论与控制工程
关键词: 单目视觉SLAM 混合特征 视觉词典 闭环检测 数据关联
分类号: TP242
类 型: 硕士论文
年 份: 2013年
下 载: 81次
引 用: 0次
阅 读: 论文下载
内容摘要
单目视觉同步定位与地图构建(Monocular SLAM)一直是移动机器人领域的研究热点。当环境中同时存在人工和自然特征时,为了能够将二者有效结合以提高系统的整体性能,本文提出了一种混合人工自然特征环境的单目视觉SLAM算法,算法主要包括三个模块:视觉特征的建模、基于视觉词典的闭环检测、地图构建和优化。其主要工作和创新点如下:(1)首先,提出了一种基于视觉词典的视觉特征建模方法。采集的图像包含一系列无序自然特征或人工路标特征,算法对每一帧图像进行SURF视觉特征提取,应用模糊K均值算法对检测的视觉特征向量进行分类,构建表征图像的视觉词典;为了精确表征局部视觉特征与视觉单词间的相似关联,利用混合高斯模型建立视觉词典中每一视觉单词的概率模型。(2)其次,针对单目视觉SLAM中的闭环检测问题,提出了一种基于视觉词典的闭环检测算法。基于创建的混合人工自然视觉单词的概率模型,实现图像基于视觉词典的概率向量表示,通过向量内积计算图像间的相似度;与此同时采用贝叶斯滤波技术对历史的闭环检测进行跟踪,保证闭环检测的成功率与连续性。引入浅层记忆与深度记忆两种图像内存管理机制,提升算法的执行效率。(3)最后,在混合人工自然特征环境下实现单目视觉SLAM算法。算法通过两个步骤实现:图的构建和图的优化。通过获取图像序列间的几何约束关系估计摄像头相对位姿,基于不同时刻位姿间的关联完成图的构建;构建的图中节点之间的约束包含两部分:视觉里程计的局部约束和闭环检测的全局约束;采用随机梯度下降法最小化约束误差对图进行优化,得到摄像头位姿轨迹的极大似然估计。
|
全文目录
摘要 4-5 Abstract 5-8 第一章 绪论 8-18 1.1 课题的研究背景及意义 8-9 1.2 课题的研究现状 9-16 1.2.1 单目视觉 SLAM 技术的基本思想 9-10 1.2.2 单目视觉 SLAM 技术的解决方案 10-13 1.2.3 单目视觉 SLAM 技术的主要问题 13-16 1.3 论文的主要工作及章节安排 16-18 第二章 基于视觉词典的人工自然视觉特征建模 18-36 2.1 引言 18-19 2.2 基于视觉词典的自然特征概率模型 19-26 2.2.1 基于 SURF 的自然特征提取 19-22 2.2.2 自然视觉词典的创建 22-24 2.2.3 基于混合高斯模型的视觉单词建模 24-26 2.2.4 自然特征的概率模型创建 26 2.3 基于视觉词典的人工路标模型创建 26-30 2.3.1 人工路标的设计 26-28 2.3.2 人工路标的检测 28-29 2.3.3 人工路标概率模型创建与识别 29-30 2.4 实验分析 30-35 2.4.1 实验一:自然特征的提取及视觉词典的创建 30-33 2.4.2 实验二:人工路标的检测及识别 33-35 2.5 本章小结 35-36 第三章 基于视觉词典的单目视觉SLAM闭环检测算法 36-52 3.1 引言 36 3.2 基于人工自然视觉词典的闭环检测算法 36-43 3.2.1 图像的概率向量表示 38-39 3.2.2 基于贝叶斯滤波的闭环检测算法 39-41 3.2.3 图像的内存管理机制 41-43 3.3 实验分析 43-51 3.3.1 实验一:基于自然特征的闭环检测算法验证 43-50 3.3.2 实验二:混合人工自然特征的闭环检测算法验证 50-51 3.4 本章小结 51-52 第四章 混合人工自然特征环境的单目视觉SLAM算法 52-69 4.1 引言 52 4.2 基于图的 SLAM 方法介绍 52-54 4.3 混合人工自然特征环境的 SLAM 算法 54-61 4.3.1 图像帧间的数据关联 55-59 4.3.2 地图优化 59-61 4.4 实验分析 61-68 4.4.1 实验一:室内小范围环境的 SLAM 算法验证 62-65 4.4.2 实验二:走廊大范围环境的 SLAM 算法验证 65-68 4.5 本章小结 68-69 第五章 总结与展望 69-71 5.1 全文总结 69-70 5.2 工作展望 70-71 参考文献 71-75 附录1 攻读硕士学位期间撰写的论文 75-76 附录2 攻读硕士学位期间申请的专利 76-77 附录3 攻读硕士学位期间参加的科研项目 77-78 附录4 攻读硕士学位期间参加比赛所获荣誉 78-79 致谢 79
|
相似论文
- 复杂场景中运动目标的检测与跟踪,TP391.41
- 基于多传感器信息融合的车载多目标跟踪算法研究,TP391.41
- 数据关联技术在AUV同时定位与地图构建算法中的应用,TP242
- 基于三维激光雷达的运动目标实时检测与跟踪,TN957.52
- 户外目标识别及在增强现实中的应用,TP391.9
- 基于SURF特征的单目视觉SLAM技术研究与实现,TP242
- 阵群目标数据关联方法研究,TN953
- 基于ADSPTS201S的并行信号处理系统的设计与实现,TN957.51
- 视频多目标跟踪算法的研究和实现,TP391.41
- 多被动传感器的航迹状态估计和关联算法研究,TP212
- 主被动雷达复合制导中的融合目标识别技术研究,TN974
- 多传感器数据关联中的关键技术研究,TP212
- 智能清扫机器人地图创建及创建中的关联算法研究,TP242
- 多传感器信息融合技术的研究与应用,TP202
- 自主式水下机器人同时定位与地图构建中的数据关联算法研究,TP242
- 基于元数据的数据库可扩展设计关键技术,TP311.13
- 单传感器多目标多模型跟踪算法研究,TN953
- 天波超视距雷达多径数据关联的研究与实现,TN958.93
- 特征辅助的多目标数据关联算法研究,TN953
- 视频中运动目标检测与跟踪技术研究,TP391.41
- 基于概率假设密度函数(PHD)的多目标跟踪方法研究,TN953
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化技术及设备 > 机器人技术 > 机器人
© 2012 www.xueweilunwen.com
|