学位论文 > 优秀研究生学位论文题录展示

室内未知环境自主定位的自适应加权快速扩展信息滤波模型

作　者: 陈金磊
导　师: 康志忠
学　校: 中国地质大学（北京）
专　业: 摄影测量与遥感
关键词: 三维激光扫描自主定位与地图创建扩展信息滤波 Kinect 信息矩阵稀疏化
分类号: P228
类　型: 硕士论文
年　份: 2014年
下　载: 0次
引　用: 0次
阅　读: 论文下载

内容摘要

近年来，随着三维点云数据处理技术的发展，其中未知环境中自主定位，实现全局拼接有着广阔的发展前景。以往的拼接不能实现在未知环境中自主的进行特征点提取，自主完成点云数据的拼接，实现三维视图重现。而且针对点云数据数据量之大，多特征信息之多，利用全部的点云数据进行自主定位，其消耗的工作量是非常大的。而本文针对Kinect点云数据实现室内未知环境的自主定位进行研究，由于Kinect数据精度的限制，及现有的序列式拼接算法远远不能满足自动定位精度要求，因此，提出一种基于室内未知环境自主定位的自适应加权的快速扩展信息滤波模型，实现室内未知环境的同时定位与创建地图（SLAM）。本文基于Kinect采集设备在单目立体视觉及激光测距相机的数据融合进行室内自主定位并且进行三维重建的要求，针对不同特征信息对测站点位置姿态精度的不一致，对传统滤波模型进行改进，构建融合不同精度观测量的自适应加权快速扩展信息滤波模型。该模型是采用上海地铁隧道点云数据及Kinect深度影像生成的点云数据与摄像头采集影像两种数据源为实验数据。具体研究的内容包括以下方面：基于影像与BaySAC算法的点云拼接，用拼接转换参数作为信息滤波的系统状态信息向量；多特征信息（如室内特征点、墙面拟合面的法向量、边界线等信息）进行自适应性加权处理后，作为信息滤波中的观测模型的观测数据；根据多特征信息精度与测站点距离成反比的关系对特征信息进行分类，实现信息矩阵的稀疏化。本文采用Kinect采集的数据及隧道点云数据进行实验验证。实验包括：利用影像及BaySAC算法提取的特征点及根据拟合面或中轴线提取多特征信息，实现多特征信息提取及信息融合实现三维特征观测量加权实验；隧道中轴线自动提取与室内数据平面自动提取，采用整体加权最小二乘法拟合中轴线，提高观测值的精度；实现自适应加权的快速扩展信息滤波模型。实验结果表明，本文提出的未知环境自主定位的自适应加权的快速扩展信息滤波模型能够满足在未知环境中自主定位的要求，提高了在全局坐标系下的拼接精度；对Kinect点云数据的三维模型重建的要求基本上可以满足。

全文目录

摘要  5-6
Abstract  6-10
第1章绪论  10-19
  1.1 选题背景与意义  10-11
  1.2 国内外研究现状  11-14
  1.3 研究内容  14-19
    1.3.1 研究内容与方法  14-16
    1.3.2 技术路线与文章结构  16-19
第2章常用定位算法  19-27
  2.1 同时定位与制图算法  19-25
    2.1.1 同时定位与制图算法特点  19-20
    2.1.2 SLAM 的方法  20-25
      2.1.2.1 粒子滤波器的 SLAM 方法  20-21
      2.1.2.2 FastSLAM 的 SLAM 方法  21
      2.1.2.3 扩展卡尔曼滤波的 SLAM 方法  21-22
      2.1.2.4 扩展信息滤波的 SLAM 方法  22-25
  2.2 SLAM 存在问题  25-26
  2.3 本章小结  26-27
第3章自适应加权快速扩展信息滤波模型  27-51
  3.1 扩展卡尔曼滤波模型  27-32
    3.1.1 卡尔曼滤波原理  27-32
      3.1.1.1 线性卡尔曼滤波  27-30
      3.1.1.2 扩展卡尔曼滤波  30-32
  3.2 自适应性加权快速扩展信息滤波模型  32-50
    3.2.1 理论基础  33
    3.2.2 状态空间和系统模型  33-35
      3.2.2.1 系统信息空间  33-34
      3.2.2.2 系统状态模型  34-35
    3.2.3 系统增广模型  35-39
      3.2.3.1 基于影像及 BaySAC 算法的双站拼接  35-38
      3.2.3.2 增广模型  38-39
    3.2.4 观测模型  39-47
      3.2.4.1 多特征信息  39-45
      3.2.4.2 同名点观测模型  45-46
      3.2.4.3 多特征观测模型  46-47
    3.2.5 状态增广  47-48
    3.2.6 更新  48
    3.2.7 信息矩阵稀疏化  48-50
  3.3 本章小结  50-51
第4章实验与分析  51-75
  4.1 室内 Kinect 自主定位实验  51-65
    4.1.1 Kinect 实验数据  51-52
    4.1.2 基于影像及 BaySac 算法的双站拼接  52-53
    4.1.3 多特征信息提取  53-57
      4.1.3.1 拟合拟合精度分析  53-54
      4.1.3.2 基于影像及 BaySAC 算法序列拼接精度  54-56
      4.1.3.3 多特征信息拼接精度  56-57
    4.1.4 扩展卡尔曼滤波模型  57-58
    4.1.5 扩展信息滤波模型  58-59
    4.1.6 结合多特征的扩展卡尔曼模型  59-61
    4.1.7 结合多特征的扩展信息模型  61-65
  4.2 隧道点云数据自主定位实验  65-74
    4.2.1 隧道实验数据  65-66
    4.2.2 中轴线自动提取  66-69
    4.2.3 隧道数据自主定位实验  69-74
  4.3 本章小结  74-75
第5章结论与展望  75-77
  5.1 研究工作总结  75
  5.2 主要贡献与创新  75-76
  5.3 进一步工作与展望  76-77
参考文献  77-82
研究生期间发表学术论文情况  82-83
致谢  83

室内未知环境自主定位的自适应加权快速扩展信息滤波模型

内容摘要

全文目录

相似论文