学位论文 > 优秀研究生学位论文题录展示

基于SURF特征的单目视觉SLAM技术研究与实现

作　者: 江龙
导　师: 郭毓
学　校: 南京理工大学
专　业: 控制理论与控制工程
关键词: 未知非结构化环境 单目视觉SLAM SURF 子区域特征重要性指标 主动视觉 椭圆搜索域 1pRANSAC
分类号: TP242
类　型: 硕士论文
年　份: 2012年
下　载: 176次
引　用: 0次
阅　读: 论文下载
 

内容摘要


未知非结构化环境下移动机器人自主导航与定位研究的一个重要问题是同时定位与地图创建（SLAM）。SLAM问题经过几十年的发展取得了长足的进步。近些年来,随着计算机视觉研究的发展,基于单目摄像机的单目视觉SLAM逐渐成为移动机器人SLAM研究领域新的热点与难点。图像特征的检测是单目视觉SLAM系统的重要组成部分,目前出现的检测方法并不能很好地兼顾快速性和稳定性这两方面的要求。针对这一问题,本文采用了SURF（快速鲁棒特征）检测算子提取图像特征,不仅可以获得较快的特征检测速度,而且对光学、几何畸变以及噪声更具鲁棒性。为进一步增强所选取地图特征的鲁棒性,提高定位精度,本文提出了一种基于子区域特征重要性指标的随机特征提取方法,使得提取的图像特征更加均匀、平坦地分布在图像中。针对目前地图特征匹配速度较慢的问题,本文结合SURF最近邻匹配方法,采用了基于主动视觉椭圆搜索域的方法进行地图特征的匹配,很大程度上减小了特征的搜索区域,加快了匹配速度。此外,本文进一步分析了基于扩展卡尔曼滤波的单目视觉SLAM系统结构,综合上述方法和地图特征的逆深度参数化以及1点随机抽样一致性（1pRANSAC）,设计了EKF-SURF-1pRANSAC单目视觉SLAM算法,最后利用该算法在实验室未知非结构化场景下进行了单目视觉SLAM系统的仿真实验。实验表明,相比采用快速“角点”的EKFmonoSLAM1pRANSAC单目视觉SLAM算法,基于SURF特征的EKF-SURF-1pRANSAC算法具有更强的鲁棒性,利用较少的地图特征就能实现摄像机的精确定位,并且在地图管理、地图特征匹配模块上具有更快的处理性能,同样能够构建实时的单目视觉SLAM系统。

全文目录


摘要  3-4
Abstract  4-7
1 绪论  7-15
  1.1 选题背景和意义  7-8
  1.2 国内外研究现状  8-12
    1.2.1 移动机器人SLAM问题概述  8-9
    1.2.2 单目视觉SLAM研究现状  9-12
  1.3 本文主要研究内容与结构安排  12-15
2 基于子区域特征重要性指标的SURF地图特征提取  15-25
  2.1 地图特征  15-16
  2.2 SURF特征检测算子  16-18
  2.3 基于子区域的特征重要性指标  18-19
  2.4 地图特征的初始化  19-22
    2.4.1 地图特征的逆深度参数化  19-21
    2.4.2 地图特征的初始化  21-22
  2.5 本章小结  22-25
3 基于扩展卡尔曼滤波(EKF)的SLAM地图构建  25-39
  3.1 卡尔曼滤波和扩展卡尔曼滤波  25-30
    3.1.1 卡尔曼滤波  25-28
    3.1.2 扩展卡尔曼滤波  28-30
  3.2 单目视觉SLAM状态模型和测量模型的建立  30-36
    3.2.1 单目视觉SLAM系统的全状态模型  30-32
    3.2.2 单目视觉SLAM系统中的坐标转换关系  32-33
    3.2.3 单目视觉SLAM的测量模型  33-36
  3.3 单目视觉SLAM系统扩展卡尔曼滤波  36-37
  3.4 单目视觉SLAM地图的创建及更新  37-38
  3.5 本章小结  38-39
4 基于主动视觉椭圆搜索域的最近邻地图特征匹配  39-47
  4.1 主动视觉  39-40
  4.2 地图特征的主动视觉匹配  40-43
    4.2.1 SURF最近邻特征匹配方法  40-41
    4.2.2 主动视觉椭圆搜索域的地图特征最近邻匹配  41-43
  4.3 采用快速"角点"和SURF检测的地图特征匹配方法比较  43-45
  4.4 本章小结  45-47
5 EKF-SURF-1pRANSAC单目视觉SLAM算法及其实现  47-61
  5.1 基于快速"角点"的EKF_monoSLAM_1pRANSAC算法  47-48
  5.2 EKF-SURF-1pRANSAC单目视觉SLAM算法实现  48-52
    5.2.1 单目视觉SLAM系统的初始化  48-49
    5.2.2 1pRANSAC算法的单目视觉SLAM EKF更新  49-52
  5.3 EKF-SURF-1pRANSAC实验仿真  52-59
    5.3.1 室内实验室场景单目视觉SLAM仿真  53-56
    5.3.2 与EKF_monoSLAM_1pRANSAC算法的对比  56-59
  5.4 本章小结  59-61
6 总结与展望  61-63
致谢  63-65
参考文献  65-69
附录A  69-71

相似论文

  1. 基于主动视觉的运动目标检测与跟踪研究,TP391.41
  2. 基于SURF算法的多幅图像三维模型重建方法研究,TP391.41
  3. 基于改进型SURF算法的电子稳像技术研究,TP391.41
  4. 基于SURF特征匹配算法的全景图像拼接,TP391.41
  5. 基于MDSP的并行图像匹配算法的设计与实现,TP391.41
  6. 目标跟踪算法研究,TP391.41
  7. 并联机器人双目主动视觉监测平台标定及运动控制研究,TP242.62
  8. 并联机器人双目主动视觉监测平台及理论研究,TP242.6
  9. 主动视频监控中若干问题的研究,TP277
  10. 支票印鉴快速检测方法中的关键技术研究,TP391.41
  11. 多工业机器人系统中多级协作视觉系统的设计,TP242
  12. 摄像机标定及同心拼图技术研究,TP391.41
  13. 主动机器视觉中的注意力选择和运动图像压缩,TP391.4
  14. 基于主动视觉机器人行为控制技术研究,TP242
  15. 自然场景下的视觉目标跟踪问题研究,TP274.2
  16. 非主动空间注意问题的脑电研究,R318.04
  17. 结构光主动视觉技术在物体尺寸测量及三维重构中的应用,TP391.41
  18. RoboCup仿真组教练模型研究,TP242
  19. 图像配准理论及算法研究,TP391.41
  20. 基于SURF的图像配准与拼接技术研究,TP391.41

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