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

  1. 复杂场景中运动目标的检测与跟踪,TP391.41
  2. 基于多传感器信息融合的车载多目标跟踪算法研究,TP391.41
  3. 数据关联技术在AUV同时定位与地图构建算法中的应用,TP242
  4. 基于三维激光雷达的运动目标实时检测与跟踪,TN957.52
  5. 户外目标识别及在增强现实中的应用,TP391.9
  6. 基于SURF特征的单目视觉SLAM技术研究与实现,TP242
  7. 阵群目标数据关联方法研究,TN953
  8. 基于ADSPTS201S的并行信号处理系统的设计与实现,TN957.51
  9. 视频多目标跟踪算法的研究和实现,TP391.41
  10. 多被动传感器的航迹状态估计和关联算法研究,TP212
  11. 主被动雷达复合制导中的融合目标识别技术研究,TN974
  12. 多传感器数据关联中的关键技术研究,TP212
  13. 智能清扫机器人地图创建及创建中的关联算法研究,TP242
  14. 多传感器信息融合技术的研究与应用,TP202
  15. 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
  16. 基于元数据的数据库可扩展设计关键技术,TP311.13
  17. 单传感器多目标多模型跟踪算法研究,TN953
  18. 天波超视距雷达多径数据关联的研究与实现,TN958.93
  19. 特征辅助的多目标数据关联算法研究,TN953
  20. 视频中运动目标检测与跟踪技术研究,TP391.41
  21. 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